Boletim Focus: o que esperar de 2021?

Vai chegando ao fim um dos piores anos do último século. A pandemia do coronavírus destruiu famílias, empresas e expectativas. Com a iminência de uma vacina, contudo, e a proximidade do final do ano, só nos resta pensar na recuperação que virá no próximo ano. De modo a vislumbrar a mesma, uma boa base de dados para isso é o boletim Focus do Banco Central, que reúne as expectativas de mais de uma centena de instituições econômicas e financeiras. A análise completa da pesquisa faz parte do nosso Curso de Análise de Conjuntura usando o R.

O script começa, como de praxe, com os pacotes que utilizo.


library(rbcb)
library(scales)
library(tstools)
library(tidyverse)

Na sequência, pegamos alguns dos indicadores disponíveis na base de dados do Focus.

data = get_annual_market_expectations(c('PIB Total', 'IPCA',
'Taxa de câmbio',
'Meta para taxa over-selic',
'Fiscal'),
start_date = '2019-01-01') %>%
replace_na(replace = list(indic_detail = 'Média'))

data$indic = ifelse(data$indic == 'Taxa de câmbio', 'Taxa de Câmbio',
data$indic)

data$indic_detail = ifelse(data$indic_detail == "Resultado Primário",
'Resultado Primário',
data$indic_detail)

Uma vez que os dados foram coletados, podemos gerar um gráfico como abaixo, que contém as expectativas para esses indicadores em 2021.

A mediana das projeções aponta para um crescimento de 3,3% no próximo ano, nada muito excepcional se comparado ao tombo verificado em 2020. Ademais, espera-se uma inflação comportada, próximo a 3,5%, algum aumento marginal na taxa básica de juros e câmbio ainda acima dos 5 R$/US$.
_______________

(*) A análise completa está disponível 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 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.

Análise de Dados com REPL Tool e LLM usando LangGraph

Neste post, vamos mostrar como você pode criar um agente que interpreta e executa código Python em tempo real, utilizando o REPL-Tool e um LLM da família Gemini. Começamos com um exemplo genérico e, em seguida, aplicamos a mesma estrutura à análise econômica de uma série histórica do IPCA.

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.