Vendo o crescimento do PIB dos EUA em 2020Q1 com o R

Hoje foi divulgado o crescimento do PIB dos Estados Unidos no primeiro trimestre. Houve uma contração anualizada de 4,8%, na comparação com o último trimestre do ano passado. Como ensinamos na parte de Economia Internacional do nosso Curso de Análise de Conjuntura usando o R, é possível pegar os dados do PIB dos Estados Unidos diretamente da base de dados FRED Data. O código a seguir operacionaliza.


library(tidyverse)
library(quantmod)
library(timetk)
getSymbols('A191RL1Q225SBEA', src='FRED')
gdp_change = tk_tbl(A191RL1Q225SBEA,
preserve_index = TRUE, rename_index = 'date')

Observe que eu já estou pegando a variação do PIB em termos anualizados a partir da função getSymbols do pacote quantmod. Com o tibble devidamente organizado com a função tk_tbl do pacote timetk, nós podemos gerar o gráfico abaixo.


filter(gdp_change, date > '1987-01-01') %>%
ggplot(aes(x=date))+
geom_line(aes(y=A191RL1Q225SBEA), size=.8, colour='darkblue')+
geom_hline(yintercept=0, colour='red', linetype='dashed')+
scale_x_date(breaks = date_breaks("1 year"),
labels = date_format("%Y"))+
theme(axis.text.x=element_text(angle=45, hjust=1))+
labs(x='', y='Percent Change from Preceding Period',
title='US Real Gross Domestic Product',
caption = 'Fonte: analisemacro.com.br com dados do FRED Data')

____________________

(*) Isso e muito mais você aprende em nosso Curso de Análise de Conjuntura usando o R.


Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como avaliar modelos de IA na previsão macroeconômica?

Descubra como economistas e cientistas de dados estão combinando econometria e inteligência artificial para aprimorar previsões macroeconômicas. Neste post, você vai entender as principais etapas de avaliação de modelos — da preparação dos dados à validação cruzada — e conhecer as métricas e técnicas que revelam quais métodos realmente entregam as melhores previsões. Uma leitura essencial para quem quer compreender o futuro da análise econômica orientada por dados.

Análise exploratória e seleção de séries temporais econômicas para modelagem

Quer entender como transformar dados econômicos brutos em previsões macroeconômicas precisas? Neste post, mostramos passo a passo como realizar a análise exploratória e seleção de séries temporais com Python — desde o tratamento de dados e remoção de multicolinearidade até a escolha das variáveis mais relevantes usando técnicas de machine learning e econometria. Um guia essencial para quem quer unir teoria econômica e inteligência artificial na prática da previsão macroeconômica.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.