Analisando as Contas Nacionais Trimestrais no Python

As Contas Nacionais Trimestrais refletem os dados sobre a geração, distribuição e uso da renda no País. Com ela, é possível avaliar o PIB e seus componentes ao longo do tempo. No post de hoje, vamos avaliar o CNT no Python.

O CNT é construído pelo IBGE, que reúne e calcula os valores do PIB e de seus componentes a cada trimestre. O interessante é que os dados do CNT podem ser obtidos através do Sidra, o repositório de dados do IBGE.

Para importar o CNT é necessário ter as tabelas e configurar os parâmetros que se deseja para obter os dados. As tabelas utilizadas aqui foram as 1620 e 1621. Para realizar o procedimento de extração, foi utilizado a biblioteca sidrapy do Python. Além da obtenção dos dados, fora realizado diversos tratamentos, bem como o calculo de variações do PIB e seus componentes.

Para entender como foi criado os gráficos abaixo, faça parte do Clube AM, o repositório de códigos da Análise Macro, contendo exercícios semanais de R e Python.

Vejamos abaixo as variações do PIB:

No gráfico acima, é possível analisar todas as variações construídas por meio de cálculos usando o pandas no Python. Através delas, é possível verificar as elevações e quedas do PIB do país desde 1998 até o terceiro trimestre de 2022. Cada variação tem um significado importante, pois permitem avaliar efeitos imediatos e passados.

Outra forma interessante de avaliar o PIB é através de seus componentes. Vejamos para cada tipo de variação, os seus respectivos resultados para os componentes, tomando como base o terceiro trimestre de 2022.

Variação Marginal

Variação Interanual

Variação Anual

Variação Acumulada no ano

_____________________________________

Quer aprender mais?

Seja um aluno da nossa trilha de Macroeconomia Aplicada e aprenda a criar projetos voltados para a Macroeconomia

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como choques inflacionários afetam a previsão da Selic?

Como mensurar a importância de choques na inflação sobre o erro de previsão da taxa de juros? Neste exercício quantificamos esta pergunta sob a ótica de um modelo VAR, usando dados recentes da macroeconomia brasileira. Especificamente, estimamos a decomposição da variância dos erros de previsão do modelo, analisando choques na inflação da gasolina e sua importância sobre a variância dos erros de previsão da taxa Selic.

Modelo de previsão para o preço da gasolina

Neste exercício exploramos os dados públicos sobre o preço da gasolina no Brasil, sua composição, evolução temporal, políticas associadas e, por fim, construímos um modelo simples de previsão. Com um modelo em mãos, o analista pode cenarizar o comportamento futuro da série da forma como preferir. Todos os procedimentos foram feitos usando a linguagem de programação Python.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

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.