PIB pode cair até 11% em 2020

O IBGE divulgou na última sexta-feira o resultado do PIB no 1º trimestre de 2020. Como antecipado pelos indicadores de alta frequência, houve uma queda de 1,5% na margem, isto é, contra o 4º tri de 2019. Amanhã, no comentário de conjuntura semanal, eu vou divulgar a atualização do script de R para coleta, tratamento e visualização automatizada dos dados do PIB que utilizamos em nosso Curso de Análise de Conjuntura usando o R. O script torna bem mais simples a tarefa de lidar com esses dados, que são importados para o R diretamente do SIDRA/IBGE com o pacote sidrar.

O resultado do PIB, diga-se, alterou levemente a média e a mediana das expectativas do boletim Focus. Em 22/05, a expectativa média era de crescimento de -5,92%, já em 29/05, houve uma deterioração adicional para -6,16%. Ao longo da semana, as instituições que compõem o Focus devem atualizar as expectativas.

Um ponto que me chamou atenção no boletim Focus divulgado hoje pela manhã é que o crescimento mínimo se manteve em -11%. O gráfico acima ilustra.

Ainda que seja cedo para dizer, pode ser o início de um consenso em torno do fundo do poço para a economia brasileira esse ano.

(*) Isso e muito mais você aprende em nossos Cursos de Macroeconomia Aplicada.

_________________


_________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise do Censo Demográfico com o R

Como podemos analisar dados do Censo Demográfico para produzir pesquisas e implementar políticas públicas? Mostramos nesta postagem o resultado de uma breve análise dos dados preliminares do Censo Demográfico de 2022 usando o R.

Deploy de modelos com Python + Shinylive + GitHub gastando ZERO reais

Colocar modelos em produção pode ser um grande desafio. Lidar com custos monetários, infraestrutura operacional e complexidades de códigos e ferramentas pode acabar matando potenciais projetos. Uma solução que elimina todos estes obstáculos é a recém lançada Shinylive. Neste artigo mostramos um exemplo com um modelo de previsão para o preço do petróleo Brent.

Como automatizar tarefas repetitivas usando Python? Um exemplo para largar o Excel

Manter relatórios diários com dados e análises atualizados é um desafio, pois envolve várias etapas: coleta de dados, tratamento de informações, produção de análises e atualização de relatório. Para superar este desafio algumas ferramentas como Python + Quarto + GitHub podem ser usadas para automatizar tudo que for automatizável. Neste artigo mostramos um exemplo com dados do mercado financeiro.

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.