Relatório #25 - IBC-br

O índice de Atividade Econômica (IBC-br) do Banco Central, é um indicador criado para antecipar o resultado do PIB. Nesta terça-feira (16/11), foi divulgado o resultado do indicador para o mês de Setembro. Iremos analisar os resultados (nada animadores) deste mês.

Prévia do PIB tem queda no mês de setembro

No resultado comparado com mês anterior, o IBC-br teve uma queda de -0,27%. Um resultado ruim, pois significa que estamos caminhando para a possibilidade de uma recessão técnica, isto é, uma contração por dois trimestres seguidos do PIB.

No resultado interanual, temos uma variação positiva de 1,52%. Bem como uma variação positiva de 4,22% no anual, indicando a melhora do índice em relação ao último ano.


IBC-br ao longo do tempo

Apesar da melhora no começo do ano de 2021, a variação mensal alterna entre resultados positivos e negativos, sempre próximo a 0, exceto para a variação de fevereiro e março, quando teve uma variação positiva de 1,63% e negativo de 1,77%, respectivamente.

Os resultados dos últimos meses em relação a variação anual e interanual devem ser analisados detalhadamente, já que podem refletir uma melhora "artificial", devido a queda do índice no ano passado.

________________________

(*) Para entender mais sobre nível de atividade 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.