Cadê a sazonalidade que estava aqui? O ocaso do desemprego em 2015.

O desemprego aumentou, leitor. Todo mundo sabe, certo? Era o último bastião a cair. Caiu. E o detalhe sórdido disso tudo é que a sazonalidade, típica da série de desemprego, se foi. Antes de mais nada, vamos ver um gráfico do desemprego, que mostra claramente o salto no período recente.

grafico01

Você, claro, tem toda a razão, pode alegar para mim que eu preciso controlar justamente a sazonalidade, para mostrar um aumento no período recente. Isso é feito abaixo.

grafico02

Convencido? Ok, passemos agora para o outro passo. Vamos mostrar a sazonalidade da série ao longo do ano com a função seasplot do pacote TStools. O gráfico abaixo ilustra a mediana do desemprego em cada um dos meses do ano.

grafico03

Finalmente, vamos mostrar o comportamento do desemprego em 2015 com a função monthplot. As linhas vermelhas mostram o desemprego em cada um dos meses do ano, acompanhadas pelas médias ilustradas pelas linhas pretas tracejadas. Já a linha azul mostra a trajetória do desemprego em 2015. Cadê a sazonalidade, leitor?

grafico05

E tinha gente preocupada com o ajuste ortodoxo da oposição... 🙁

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Tratamento e transformação de séries temporais macroeconômicas para modelagem

"Garbage in, garbage out" é a regra de ouro na previsão macroeconômica. Antes de aplicar qualquer modelo de IA ou econometria para prever indicadores como o IPCA ou o PIB, existe um trabalho crucial de tratamento de dados. Neste post, abrimos os bastidores do nosso dashboard de previsões e mostramos o passo a passo para transformar dados brutos de múltiplas fontes (como BCB, IBGE e FRED) em séries prontas para modelagem. Veja como lidamos com diferentes frequências, aplicamos transformações e usamos metadados para criar um pipeline de dados robusto e automatizado.

Como planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Montar um pipeline de previsão macroeconômica não é apenas uma tarefa técnica — é um exercício de integração entre dados, modelos e automação. Neste post, apresento uma visão geral de como estruturar esse processo de ponta a ponta, da coleta de dados até a construção de um dashboard interativo, que exibe previsões automatizadas de inflação, câmbio, PIB e taxa Selic.

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

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.