Relatório #24 - PIM-PF

No Relatório AM dessa semana, iremos comentar sobre o resultado da Pesquisa Industrial Mensal no mês de setembro, divulgadas pelo IBGE. Neste relatório, iremos visualizar as variações marginais, interanuais e acumuladas em 12 meses das três principais seções do índice, e também da atividade de indústria que acompanha a fabricação de veículos.

No mês, tem-se a queda da variação mensal nas três principais seções da indústria, como podemos observar na tabela a seguir.

Na variação mensal do índice, vê-se a lateralização na variação mensal da indústria geral, de transformação e da fabricação de veículos. Já a indústria extrativa apresenta mais volatilidade.

Em relação a variação contra o mesmo mês do ano anterior, a pesquisa, no mês de setembro, apresentou resultados negativos para a indústria geral (-3,88%) e indústria de transformação (-4,82%). A indústria extrativa configura variação positiva de 3,19%.

É possível notar a volatilidade da indústria extrativa através do gráfico, bem como os picos ocorridos no ano de 2021 devido ao congelamento da indústria, efeito da pandemia de coronavírus. Após a alta, a variação interanual vem decaindo ao longo do fim de 2021.

Em relação a variação interanual, vê-se a diferença da indústria extrativa em relação aos outros indicadores, que acumula o valor negativo de 0,75% no mês de setembro.

No gráfico, é possível visualizar que a indústria extrativa, diferente das outras atividades da indústria, não alcançou o valor positivo para a variação acumulada em 12 meses desde 2019, exceto para o primeiro mês daquele ano.

________________________

(*) Para entender mais sobre Produção Industrial 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.