Relatório #21 - Expectativa

Para o Relatório AM dessa semana, decidimos comentar um pouco sobre a trajetória das expectativas do mercado para as principais variáveis macroeconômicas. Para iniciar, deixamos abaixo as expectativas iniciais para o IPCA:

A história é aquela já contada muitas vezes nos últimos meses: choques que já eram vistos no final do ano passado custam a se desfazer, como a escassez de componentes eletrônicos para automóveis e os preços de commodities, e a perspectiva é de que a política monetária tem se mantido um passo atrás da trajetória de inflação, aumentando a taxa de juros porém sem o fazer a um nível satisfatoriamente impactante para controlar os preços. Essa aparente desconfiança sobre o fim de tais choques - e sobre o comprometimento do BC - já contamina as expectativas do ano que vem, se elevando continuamente nas últimas semanas.

Simultaneamente, podemos ver abaixo que o juro real, que foi mantido em níveis baixos no pico da pandemia para tentar aquecer a economia, está agora se aproximando cada vez mais do juro neutro, apontando para uma perspectiva mais neutra do BC e em favor da estabilização dos preços.

O resultado dessa aproximação, em conjunto com uma série de fatores de instabilidade no país, é uma perspectiva negativa para o ano que vem. Enquanto o PIB para esse ano possui expectativas favoráveis - muito por conta de uma comparação com um 2020 péssimo -, 2022 já aponta para apenas cerca de 1.5% de crescimento.

________________________

(*) Para entender mais sobre conjuntura econômica, confira nosso Curso de Análise de Conjuntura usando o R - Versão 5.0.

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.