Expectativa de crescimento em 2020 estaciona em -6,5%

As expectativas de crescimento nesse ano parecem que, de fato, encontraram um limite próximo a -6,5%. Tudo indica que se não ocorrer uma segunda onda de infecções deverá ocorrer surpresas positivas para o crescimento no segundo semestre. Um dado que reforçou essa expectativa é o da produção industrial, que após recuar 18,8% em abril, cresceu 6,9% na margem. Ainda é cedo para dizer que isso sinaliza uma recuperação em "V", mas parece ser suficiente para "estancar" o pessimismo.

Na comparação interanual, a produção industrial continuou no terreno negativo em maio, com -21,8%, após registrar 27,3% em abril.

A produção de veículos de junho, divulgada hoje pela manhã, vai na direção da recuperação na margem, com avanço de 129% na comparação com maio. A recuperação ainda é lenta, tomada como métrica a comparação interanual, que ainda registra variação negativa (-57,6% na comparação com junho de 2019).

A semana é marcada pela divulgação de dados do CAGED, vendas no varejo, serviços e IPCA.

Os dados aqui referidos são coletados de forma automática com o R.

_______________

(**) 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

O que é e como funcionam Sistemas Multi-Agentes

Sistemas multi-agentes (MAS) representam uma nova forma de estruturar aplicações de inteligência artificial, especialmente úteis para lidar com problemas complexos e distribuídos. Em vez de depender de um único agente generalista, esses sistemas são compostos por múltiplos agentes especializados que colaboram, competem ou se coordenam para executar tarefas específicas. Neste post, explicamos o que são os MAS, seus principais componentes (como LLMs, ferramentas e processos) e as arquiteturas mais comuns.

O que é um Vector Database e como criar um com LangChain

Nesta postagem, mostramos como construir um pipeline simples de RAG (Retrieval-Augmented Generation) usando o LangChain, o modelo Gemini 2.0 Flash e o Vector Database Chroma. Utilizamos como exemplo o Relatório de Inflação de junho de 2025 do Banco Central do Brasil. O fluxo envolve o download e leitura do PDF, divisão do texto com RecursiveCharacterTextSplitter, geração de embeddings com Gemini, armazenamento vetorial com Chroma e busca semântica para responder perguntas com base no conteúdo do relatório. É uma aplicação prática e didática para economistas que desejam integrar IA ao seu fluxo de análise.

Automatizando a Construção de Códigos em Python com LangGraph

Neste post, mostramos como construir um agente de código em Python utilizando LangGraph, LangChain e Gemini. A proposta é construir um protótipo para automatizar o ciclo completo de geração, execução e correção de código com o uso de LLMs, organizando o processo em um grafo de estados.

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.