Cursos Aplicados de R: anúncio das Turmas de Verão

By | Cursos da Análise Macro

Atendendo a inúmeros pedidos, nós abriremos inscrições para uma última edição esse ano dos nossos Cursos Aplicados de R. No próximo dia 23/10, às 10h, vamos abrir as Turmas de Verão para todos os nossos Cursos e nossas Formações! Mas atenção que as vagas dessa vez serão ainda mais limitadas, dado o nosso esforço concentrado de suporte às turmas. Para saber maiores detalhes, continue lendo esse post...

No momento, o nosso carrinho está fechado para todos os Cursos. Reabriremos o carrinho no próximo dia 23 de outubro de 2019, às 10h, para os seguintes Cursos:

Além disso, também abriremos no dia 23 de outubro de 2019 o carrinho para as nossas Formações:

Também abriremos inscrições para dois novos cursos:

Importante dizer que, para manter o nosso suporte aos alunos funcionando de forma plena, as inscrições serão abertas em lotes. No primeiro lote, daremos desconto de 30% para os primeiros alunos inscritos. Tão logo o primeiro lote atinja o limite de alunos, nós fecharemos ele e passaremos para o segundo lote, com desconto de 15%. Por fim, abriremos um 3º lote residual com as vagas restantes, mas com o preço cheio. As inscrições no primeiro lote costumam acabar rápido, então garanta o quanto antes a sua inscrição!

Em relação aos planos disponíveis, para os cursos de Análise de Conjuntura, Introdução ao R para Análise de Dados, Macroeconometria II, Microeconometria, Machine Learning e para as Formações, será ofertado um Plano Único com acesso por 12 meses, suporte customizado do professor e acesso ao Clube do Código também por 12 meses. Os preços variarão de acordo com a complexidade de cada Curso. Nosso objetivo com isso é dar um treinamento totalmente customizado para os alunos inscritos. Para os demais Cursos, ofereceremos um plano básico e um plano premium.

Todos os nossos Cursos contam agora com Nivelamento em R revisado e atualizado, incorporando os avanços da família de pacotes tidyverse.

Para essa Turma de Verão, continuaremos mantendo o parcelamento em até 10x sem juros no cartão de crédito.

Importante ressaltar que essa é a última edição do ano dos nossos Cursos Aplicados de R!!!

Agradecemos a atenção de todos os nossos alunos e esperamos que apreciem os novos Cursos atualizados e revisados com o que há de mais avançado na linguagem. 

Inflação está próxima ao piso do regime de metas

By | Inflação

O Brasil opera desde 1999 o regime de metas para inflação - conhecido no mundo como Inflation Target -, donde o objetivo explícito do Banco Central é conduzir a política monetária de modo a manter a inflação próxima a uma meta previamente estabelecida pelo Conselho Monetário Nacional. Nesse regime, há uma meta explícita e bandas de tolerânciaque servem para acomodar choques diversos que ocorrem sobre a inflação ao longo do tempo. De modo a ilustrar a operação do regime de metas no Brasil, podemos construir um gráfico com a inflação, os núcleos de inflação, a meta e as bandas de tolerância.

O gráfico acima mostra todas essas variáveis e o último dado disponível para a inflação cheia, que fechou em 2,89% no acumulado em 12 meses até setembro. O piso da meta é de 2,75%, considerando 1,5 pontos percentuais de tolerância para mais ou menos em torno da meta de 4,25% para esse ano. Como se pode ver no gráfico, a inflação cheia flerta nesse momento com o piso do regime de metas.

O caminho para uma taxa básica nominal de juros de 4,5% no final do ano está aberto. Na verdade, não é mais nem um caminho: é uma avenida!

______________________

(*) O código para o gráfico estará disponível logo mais no Clube do Código.

Analisando a deflação de setembro com o R

By | Inflação

Ontem, o IBGE divulgou a inflação medida pelo IPCA em setembro. O resultado surpreendeu, com uma deflação de 0,04% em um mês onde tipicamente a inflação é positiva, dada a sazonalidade da mesma. De modo a investigar esse comportamento atípico, podemos plotar em um gráfico a inflação para os meses de setembro de vários anos. Usando o R, o script começa carregando alguns pacotes.


# Pacotes
library(tsutils)
library(ggplot2)
library(scales)
library(sidrar)

A partir do pacote sidrar, nós obtemos o número-índice do IPCA e depois a variação mensal do índice, que é a inflação.


## Criar Inflação mensal
ipca_indice = get_sidra(api='/t/1737/n1/all/v/2266/p/all/d/v2266%2013')
ipca_indice = ts(ipca_indice$Valor, start=c(1979,12), freq=12)
ipca_mensal = round((ipca_indice/stats::lag(ipca_indice,-1)-1)*100,2)

De posse da inflação, nós pegamos agora uma subamostra desde 1995.


## Criar amostras
ipca_mensal_subamostra = window(ipca_mensal, start=c(1995,01))

Agora, usando a função seas do pacote tsutils, nós agrupamos a inflação por meses e pegamos apenas os meses de setembro de cada ano.


# Criando e guardando gráfico de sazonalidade
seas <- seasplot(ipca_mensal_subamostra, trend=F, outplot = 3)
setembro <- as.numeric(seas$season[,9])
time <- seq(as.Date('1995-09-01'), as.Date('2019-09-01'), by='1 year')
df <- data.frame(time=time, setembro=setembro)

E por fim, geramos um gráfico com apenas os meses de setembro com o código abaixo.


# Gráfico
ggplot(df, aes(x=time, y=setembro))+
geom_bar(stat='identity', fill='darkblue', colour='darkblue')+
geom_text(aes(label=setembro), size=3,
fontface='bold',
position = position_dodge(width = 2),
hjust=0.5, vjust=ifelse(setembro>0,-0.7,1),
shape=21, colour=ifelse(setembro>0,"black", 'red'))+
theme(axis.text.x=element_text(angle=45, hjust=1))+
scale_x_date(labels = date_format("%b/%Y"),
breaks = time)+
labs(x='',y='% a.m.',
title='Inflação medida pelo IPCA em setembro',
caption='Fonte: analisemacro.com.br')

E o gráfico...

Como podemos ver, desde 1995, essa foi a segunda deflação que tivemos no mês de setembro. Tipicamente, a inflação se acelera no segundo semestre, de modo que os meses de setembro são marcados por variações positivas. A seguir, coloco um gráfico que deixa claro a sazonalidade da inflação.


# ggseasonplot
ipca_mensal_subamostra_2 = window(ipca_mensal, start=c(2007,01))
ggsubseriesplot(ipca_mensal_subamostra_2)+
labs(x='', y='% a.m.',
title='Sazonalidade da inflação medida pelo IPCA',
caption='Fonte: analisemacro.com.br')

Em outras palavras, parece que o hiato do produto negativo está tendo impacto sobre o cenário inflacionário, diante de uma política monetária muito bem conduzida pelo Banco Central nos últimos anos.

_____________________________

(*) Aprenda a lidar com dados macroeconômicos no nosso Curso de Análise de Conjuntura usando o R.

Núcleos de Inflação seguem bem comportados

By | Comentário de Conjuntura

Ontem, comentei aqui nesse espaço sobre o cenário benigno para a inflação e como isso estava garantindo uma taxa básica de juros abaixo de 5% no final do ano. Hoje, vou detalhar um pouco melhor esse ponto a partir dos núcleos de inflação. A ideia de um núcleo é capturar a tendência da inflação ao longo do tempo, retirando assim variações idiossincráticas. Em outros palavras, busca capturar a persistência do aumento de preços ao longo do tempo. De modo a ilustrar, considere, por exemplo, que o preço de um bem/serviço {i} varie de acordo com a equação \pi_{i,t} = \pi_t + \mu_{i,t}, onde \pi_t representa uma tendência e \mu_{i,t} uma idiossincracia. Desse modo, para {n} bens/serviços, o núcleo será dado por:

(1)   \begin{align*} \pi_t^{nucleo} = \sum_{i=1}^{n} \omega_{i}\pi_{i,t} - \sum_{i=1}^{n} \omega_{i}\mu_{i,t} \end{align*}

Em outras palavras, o objetivo do núcleo é reconhecer e retirar a parte idissiocrática, \sum_{i=1}^{n} \omega_{i}\mu_{i,t}, concentrando-se na verdadeira tendência da variação dos preços ao longo do tempo. Não à toa, Bancos Centrais de todo o mundo procuram construir e acompanhar medidas de núcleo de inflação. No Brasil, em particular, temos atualmente sete medidas de núcleo. Para uma explicação completa sobre os núcleos de inflação construídos pelo BCB, ver o Estudo Especial 17/2018 Novas Medidas de Núcleos de Inflação.

De modo a ilustrar o comportamento da média desses núcleos ao longo do tempo, bem como comparar com a inflação cheia, vamos criar um gráfico com o comportamento de ambas as séries. Para isso, precisaremos primeiro carregar alguns pacotes, como abaixo.


## Carregar pacotes
library(tidyverse)
library(readxl)
library(sidrar)
library(ggplot2)
library(forecast)
library(tstools)
library(scales)
library(png)
library(grid)

Vamos baixar o número-índice do IPCA a partir do pacote sidrar e posteriormente podemos criar a inflação mensal e a acumulada em 12 meses. O código abaixo implementa.


## Criar Inflação mensal e acumulada em 12 meses
ipca_indice = get_sidra(api='/t/1737/n1/all/v/2266/p/all/d/v2266%2013')
ipca_indice = ts(ipca_indice$Valor, start=c(1979,12), freq=12)
ipca_mensal = round((ipca_indice/stats::lag(ipca_indice,-1)-1)*100,2)
ipca_anual = round((ipca_indice/stats::lag(ipca_indice,-12)-1)*100,2)

O número-índice do IPCA tem início em dezembro de 1979, pegando assim toda a hiperinflação da década de 80. Não queremos isso, então pegamos apenas uma amostra dos dados, começando em junho de 2007, quando os choques provenientes da eleição do ex-presidente Lula já haviam se dissipado.


## Criar amostras
ipca_indice_subamostra = window(ipca_indice, start=c(2007,06))
ipca_mensal_subamostra = window(ipca_mensal, start=c(2007,06))
ipca_anual_subamostra = window(ipca_anual, start=c(2007,06))

Uma vez que tenhamos a inflação acumulada em 12 meses, vamos agora pegar os núcleos de inflação. Você pode baixar os dados no Sistema de Séries Temporais do Banco Central e depois importar para o R como abaixo. Observe que o código utiliza pipes, de modo já a acumular os dados em 12 meses e se concentrar na amostra que queremos.


## Núcleos
nucleos_12m = read_excel('nucleos.xlsx')[,-1] %>%
ts(start=c(1999,06), freq=12) %>%
acum_p(12) %>%
ts(start=c(1999,06), freq=12) %>%
window(start=c(2007,06))

De posse de todos os dados, podemos agora construir o nosso gráfico com o pacote ggplot2, como no código a seguir.


## Gráfico
media.nucleos = rowMeans(nucleos_12m)
meta = c(rep(4.5, length(media.nucleos)-8), rep(4.25, 8))
time = seq(as.Date('2007-06-01'), as.Date('2019-08-01'), by='1 month')
df = data.frame(time=time, meta=meta, nucleos=round(media.nucleos,2),
inflacao=ipca_anual_subamostra)

img <- readPNG('logo.png')
g <- rasterGrob(img, interpolate=TRUE)

ggplot(df, aes(x=time))+
annotate("rect", fill = "gray", alpha = 0.6,
xmin = as.Date('2016-01-01'),
xmax = as.Date('2019-08-01'),
ymin = -Inf, ymax = Inf)+
geom_line(aes(y=inflacao, colour='Inflação 12 meses'), size=.8)+
geom_line(aes(y=meta, colour='Meta de Inflação'), size=.8)+
geom_line(aes(y=nucleos, colour='Média dos 7 Núcleos'), size=.8)+
scale_colour_manual('',
values=c('Inflação 12 meses'='darkblue',
'Meta de Inflação'='red',
'Média dos 7 Núcleos'='#56B4E9'))+
theme(legend.position = 'top')+
scale_x_date(breaks = date_breaks("1 years"),
labels = date_format("%Y"))+
xlab('')+ylab('% a.a.')+
labs(title='Inflação vs. Núcleos de Inflação',
caption='Fonte: analisemacro.com.br com dados do BCB.')+
theme(panel.background = element_rect(fill='#acc8d4',
colour='#acc8d4'),
plot.background = element_rect(fill='#8abbd0'),
axis.line = element_line(colour='black',
linetype = 'dashed'),
axis.line.x.bottom = element_line(colour='black'),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
legend.position = c(.2,.8),
legend.background = element_rect((fill='#acc8d4')),
legend.key = element_rect(fill='#acc8d4',
colour='#acc8d4'),
plot.margin=margin(5,5,15,5))+
annotation_custom(g,
xmin=as.Date('2016-06-01'),
xmax=as.Date('2019-06-01'),
ymin=8.5, ymax=11)

E assim temos um gráfico com o comportamento da inflação cheia e a média dos 7 núcleos construídos e divulgados pelo Banco Central.

Como é possível observar no gráfico acima, a média dos 7 núcleos segue bem comportada na margem - 3,17% no acumulado até agosto -, bem abaixo da meta de inflação para esse ano, que é de 4,25%. Mesmo a inflação cheia também está abaixo da meta e a expectativa, como notei ontem, é que feche próximo a 3,42% no final de 2019. Se os núcleos de inflação forem bons preditores para a inflação no curto prazo - ver, por exemplo, Forecasting inflation in Latin America with core measures, publicado no International Journal of Forecasting - podemos considerar que na ausência de choques relevantes - principalmente, em relação ao câmbio - a inflação tanto esse quanto no próximo ano dá sinais de ficar mesmo abaixo da meta, abrindo caminho para mais cortes na taxa básica de juros nas próximas reuniões do COPOM.

___________________

(*) O script completo do exercício estará disponível logo mais no Clube do Código.

(**) No nosso Curso de Análise de Conjuntura usando o R, nós destrinchamos o IPCA na parte de inflação.

Indicadores: cenário de inflação segue bastante tranquilo

By | Indicadores

O Relatório Focus divulgado agora há pouco pelo Banco Central trouxe, pela 9ª semana seguida, queda na expectativa para o IPCA esse ano. Agora, espera-se alta de 3,42% a.a. Para 2020, a expectativa é de 3,78% a.a. Ou seja, a expectativa mediana do mercado é de inflação abaixo da meta esse e no próximo ano, dada a ainda elevada ociosidade da economia. Cálculos do IPEA notam que o PIB efetivo está ainda 3% abaixo do potencial, no segundo trimestre de 2019.

Nesse cenário, parece consensual uma taxa básica de juros abaixo de 5% no final do ano. Como mostra o gráfico acima, a mediana do TOP5 (de curto prazo) coloca a Selic em 4,75%, com uma mínima em 4,5%. Esse valor, na minha visão, parece bastante confortável de ser atingido, dado o cenário condicional para a inflação no próximo ano extraído dos modelos semi-estruturais.

Para a semana, teremos a divulgação do IPCA de setembro na quarta-feira, do Varejo de agosto na quinta e dos Serviços também de agosto na sexta. A conferir se varejo e serviços irão acompanhar os bons ventos trazidos pela produção industrial em agosto.

Uma apresentação em RMarkdown do boletim Focus está disponível aqui.

___________

Cadastre-se na newsletter
e receba nossas novidades em primeira mão!