Previsões para 2014

O último boletim Focus (Banco Central) de 2013 trouxe as apostas das instituições consultadas para o ano de 2014. Para as duas principais: IPCA em 5,98% (maior do que a prevista para 2013) e PIB em 2% (menor do que a prevista para 2013). As instituições consultadas preveem, nesse aspecto, melhora da indústria, com avanço de 2,23% (a previsão para 2013 é de avanço de 1,59%). A expectativa para a política monetária é que a Selic feche esse ano em 10,50%, isto é, as instituições consultadas esperam uma elevação de apenas mais 50 pontos-base na taxa ao longo do ano - sinal de que receberam bem o anúncio feito pelo Federal Reserve, o Banco Central norte-americano. Sintoma disso é que não se espera nenhum salto na taxa de câmbio: a expectativa para essa variável é de que a mesma feche o ano em 2,45 R$/US$. Espera-se ainda uma redução do déficit em conta-corrente, por melhora na balança comercial (mais exportações do que importações) e mantém-se a mesma expectativa de US$ 60 bilhões para 2013 nesse ano para a entrada de Investimento Estrangeiro Direto (IED). Por fim, as instituições consultadas esperam leve deterioração na relação Dívida Líquida sobre o PIB: ela fecharia 2014 em 35%. Sobre isso, talvez seja vantajoso o pessoal do Gerin (o orgão responsável pelo boletim Focus dentro do Banco Central) incluir uma pergunta sobre o comportamento da Dívida Bruta, dado que essa hoje é mais representativa da situação fiscal.  As previsões do GECE/UFF estarão na segunda edição do Monitor de Política Monetária, a ser divulgado no final de janeiro. O boletim Focus pode ser consultado 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.