Expectativa para o PIB em 2020 segue trajetória de deterioração

No nosso Curso de Análise de Conjuntura usando o R, nós ensinamos nossos alunos a coletar, tratar e visualizar dados macroeconômicos. Entre estes, está a análise dos dados contidos no boletim Focus, que é divulgado toda segunda-feira pelo Banco Central. A seguir, ilustramos como é possível pegar diversos dados do boletim com o pacote rbcb, como no exemplo abaixo.


library(rbcb)
data = get_annual_market_expectations(c('PIB Total', 'IPCA',
'Taxa de câmbio',
'Meta para taxa over-selic'),
start_date = '2019-01-01')

Com os dados importados, nós podemos visualizá-los como no gráfico abaixo.

A expectativa média para crescimento em 2020 segue se deteriorando, ficando agora em -6,46%, com um desvio-padrão ainda alto de 1,39 pontos percentuais. Já a expectativa para a inflação está agora em 1,55%, o câmbio no final do ano está em 5,22 R$/US$ e a taxa básica de juros em 2,18%. Abaixo, os desvios-padrão dessas expectativas.

As expectativas para o PIB e para a taxa de Câmbio seguem cercadas de grande incerteza, dada a dificuldade de extrair algum sinal confiável do ambiente econômico.

 

(**) Isso e muito mais você aprende no 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

Análise regional do mercado de trabalho com dados do CAGED usando Python

Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.

Transfer Learning: mostrando porque o Python está na ponta do desenvolvimento

A aprendizagem por transferência (transfer learning) é o reuso de um modelo pré-treinado em um novo problema. Portanto, sua utilização torna-se um avanço enorme para a previsão de diferentes tipos de variáveis, principalmente para aquelas ordenadas no tempo. Mostramos nesta postagem o uso do Transfer Learning com o Python para o caso de Séries Temporais.

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.