Relatório #22 - IPCA-15

No Relatório AM de hoje, iremos comentar sobre o IPCA-15. Esse indicador é um índice de preços que abrange o período do dia 16 do mês anterior até o dia 15 do mês de referência. O índice serve como uma boa prévia do resultado do IPCA "cheio", por possuírem características semelhantes, sendo importante o seu acompanhamento, como forma de prever os caminhos do IPCA.

A variação mensal do IPCA-15 nos mês de setembro foi de 1,14% em relação ao mês anterior. Podemos ver no gráfico como a variação se comporta nos últimos meses, exibindo a alta.

Na variação acumulada em 12 meses, o IPCA-15 exibe uma variação de 10,05%. É notável como o IPCA-15 está muito acima dos limites de inflação instituídos pelo Conselho Monetário Nacional (CMN), que se encontra em 3,75% neste ano.

O IPCA-15 demonstra também uma sazonalidade, como é possível observar no gráfico.

Podemos visualizar também o comportamento dos grupos do IPCA-15 ao longos dos meses.

Vemos como o grupo de alimentação e bebidas tem aumentado sua contribuição sobre o IPCA-15 nestes últimos meses, da mesma forma que impactou o índice no mesmo período do ano de 2020.

É notável também nos últimos meses a contribuição sobre o IPCA-15 pelo grupo de Transportes, causado principalmente pela persistência de preços da gasolina.
________________________

(*) Para entender mais sobre inflação e análise de 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.