IPA Agro vs. Alimentação no Domicílio

O Índice de Preços por Atacado-Oferta Global (IPA-OG), no seu corte restrito aos produtos agrícolas, tem avançado de forma bastante pronunciada nos últimos meses. Em setembro, por exemplo, o índice variou 8,57%, o que no acumulado em 12 meses gerou uma variação de 46,2%. Dada a sua relação com os índices ao consumidor, não é de se estranhar que a última edição do Relatório de Inflação do Banco Central tenha contido um box sobre o assunto. Nesse Comentário de Conjuntura, vamos mostrar como coletar os dados do IPA e da Inflação no Domicílio a partir do Sistema de Séries Temporais do Banco Central e do SIDRA/IBGE. São assuntos, diga-se, que eu ensino no nosso Curso de Análise de Conjuntura usando o R.

script começa carregando alguns pacotes de R:


###########################################################
################## IPA vs. IPCA ##########################

library(sidrar)
library(tidyverse)
library(tstools)
library(BETS)

Uma vez carregados os pacotes, podemos usar o pacote sidrar para coletar os dados da alimentação no domícilio dentro do Índice de Preços ao Consumidor Amplo (IPCA).


alim_dom_01 =
get_sidra(api='/t/1419/n1/all/v/63/p/all/c315/7171/d/v63%202')

alim_dom_02 =
get_sidra(api='/t/7060/n1/all/v/63/p/all/c315/7171/d/v63%202')

alim_dom = full_join(alim_dom_01, alim_dom_02) %>%
mutate(date = parse_date(`Mês (Código)`, format="%Y%m")) %>%
mutate(alim_12m = acum_p(Valor,12)) %>%
select(date, Valor, alim_12m)

Podemos na sequência pegar o IPA Agro diretamente do site do Banco Central usando para isso o pacote BETS.


ipa_agro = BETSget(7460, data.frame = TRUE) %>%
mutate(ipa_12m = acum_p(value,12))

Observe que nos códigos acima, eu já crio uma nova variável com a função mutate que acumula os dados em 12 meses. Uma vez tratados os dados, podemos gerar um gráfico como abaixo.

Observe que ao longo da série histórica é comum haver discrepâncias entre um e outro índice. Na margem, contudo, o IPA Agro tem experimentado uma subida bastante expressiva, o que abre a boca de jacaré entre as séries.

Dada a correlação entre as séries, que também nesse caso implica em causalidade - ver estudo a ser publicado no Clube do Código - existe uma expectativa de repasse da alta do IPA Agro para o consumidor. Isso, por óbvio, irá pressionar a inflação cheia. A conferir, apenas, se o suficiente para gerar alguma pressão sobre a política monetária.

Sempre lembrando que o Banco Central opera a política monetária de modo a conter efeitos secundários de um choque temporário como esse. Isto é, efeitos sobre outros preços, o que caracterizaria uma pressão inflacionária.

_____________________

(*) Para ter acesso aos códigos completos dos nossos exercícios, cadastre-se na nossa Lista VIP aqui.

(**) Inscrições para as Turmas de Verão começam no próximo dia 27/10. Seja avisado por e-mail clicando aqui.

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.