Category

Clube do Código

O papel do sistema financeiro na desigualdade de renda

By | Clube do Código

Qual é o papel do desenvolvimento do sistema financeiro na pobreza e na desigualdade de renda? Como seria possível verificar essa relação? Essas são as perguntas abordadas na Edição 63 do Clube do Código. Usando dados do FMI, construímos um painel de 22 países de modo a identificar o papel do desenvolvimento financeiro na desigualdade de renda. Os resultados encontrados sugerem que quanto mais desenvolvido é o sistema financeiro, menor é a desigualdade de renda, representada pelo índice de Gini. De forma a dar robustez aos resultados, também foi testado o efeito do desenvolvimento do sistema financeiro na participação dos 20% mais pobres na renda: quanto mais desenvolvido é o sistema financeiro, maior é a participação desse extrato na renda nacional.

Para além dos resultados encontrados, talvez a parte mais importante do exercício é o tratamento dos dados, uma vez que para construir um modelo de painel é preciso fazer um empilhamento dos dados. A Edição 63, diga-se, estará disponível na sexta-feira no repositório do Clube no Github!

Se você ainda não é assinante, não perca tempo e assine já!

Vem aí a Semana do Código!

By | Clube do Código

De forma a apresentar o Clube do Código, o espaço de compartilhamento de códigos da Análise Macro, para novos potenciais membros, vamos fazer uma Semana do Código em breve. A ideia é apresentar em vídeo os exercícios de análise de dados do Clube. Desde a motivação do exercício, a coleta e tratamento dos dados e a solução de modelagem implementada. O melhor: tudo gratuito para que as pessoas conheçam o trabalho que desenvolvemos no âmbito do Clube do Código.

Em breve, divulgaremos as datas para que todos possam se programar e assistir às videoaulas! Fique ligado no Blog e nas nossas redes sociais:

Youtube: http://youtube.com/analisemacro

Facebook: http://facebook.com/analisemacro

Instagram: http://instagram.com/analisemacro

Fatores externos explicam a dinâmica do PIB?

By | Clube do Código

A edição 59 do Clube do Código, de autoria de Renato Lerípio, aborda um tema comumente discutido entre economistas: fatores externos explicariam o a dinâmica do PIB brasileiro? Para responder a essa pergunta, foi estimado o seguinte modelo:

(1)   \begin{align*}PIB^{Brasil}_t = \alpha + \beta_1 PIB^{Externo}_t + \beta_2 \Delta TT_t + \beta_3TB^{10yr}_t + \beta_4 log(EMBI_t) + \beta_5 (TB^{10yr}_t \times log(EMBI_t)) + \epsilon_t\end{align*}

Os resultados da estimação apontam que o crescimento do PIB Externo e dos termos de troca são positivamente relacionados com o desempenho da economia brasileira, ao passo que o aumento dos juros dos títulos americanos e do risco se relacionam negativamente com a atividade nacional.

O ajuste do modelo também é bastante razoável, se levarmos em consideração o baixo nível de complexidade. Mais especificamente, as variáveis incluídas explicam cerca de 40% da variação observada no PIB brasileiro (R^2-ajustado) -- os 60% restantes seriam explicados por fatores domésticos, externos não capturados nas variáveis e erros de natureza estocástica.

Os códigos para replicar o modelo estão disponíveis no repositório privado do Clube do Código no github.

Nowcasting do PIB: um modelo de fatores

By | Clube do Código

A edição 57 do Clube do Código aborda o tema de nowcasting. Em termos bem gerais, nowcasting é a previsão do presente -- ou do futuro/passado muito recente. O objetivo, neste caso, é encontrar um conjunto de variáveis capaz de capturar a dinâmica da série de interesse no mesmo período em que esta ocorre.

Entretanto, este conjunto pode envolver um número arbitrariamente grande de variáveis: dezenas, centenas ou até milhares. Se o número de variáveis for superior ao número de observações, não é possível estimar coeficientes em modelos paramétricos tradicionais (OLS, por exemplo). Por outro lado, mesmo que seja possível estimar os coeficientes, não é apropriado introduzir um número muito elevado de variáveis nos modelos: isto pode gerar overfitting, o que tende a produzir previsões bastante imprecisas.

Uma solução comumente adotada é utilizar um modelo com fatores. Mais especificamente, um fator busca reduzir o conjunto de informações (variáveis) a uma fonte de variação comum entre elas. Em geral, essa fonte de variação comum é não-observável. A ideia, portanto, é utilizar um conjunto de variáveis relacionadas a essa fonte e, ao extrair o componente de variação comum entre elas, obter uma aproximação desta fonte não-observável.

Para ficar mais claro, imagine que estejamos interessados em acompanhar em "tempo real" a evolução da atividade econômica. Sabemos que uma série de variáveis são afetados ou afetam a atividade econômica, embora em direções e magnitudes possivelmente distintas. Por exemplo, a utilização de energia elétrica, a produção da indústria, a confiança dos consumidores, etc. Ao extrair o componente de variação comum entre estas variáveis, poderíamos ter uma medida (indireta) da atividade econômica. E se tivermos estas informações disponíveis no instante t, poderemos ter informação sobre a atividade econômica também em t -- um Nowcast.

Estimulado por essa ideia, o exercício busca realizar um Nowcast do PIB. O IBGE divulga os resultados do PIB cerca de 2 meses depois do fim de cada trimestre. Porém, uma variedade de informações sobre a atividade torna-se disponível no decorrer do próprio trimestre. É possível, então, reunir essas informações, extrair fatores e obter previsões. De início, serão utilizadas apenas 10 variáveis: medidas de inflação, atividade da indústria e confiança dos agentes. Após realizar o tratamento nos dados, serão construídos os fatores através de Componentes Principais (PCA). Em seguida, será ajustado um modelo OLS com a série de PIB como variável dependente e os quatro primeiros fatores como covariáveis.

Mudança na assinatura do Clube do Código

By | Clube do Código

A partir dessa semana, mudaremos o processo de assinatura do Clube do Código. Dado que o mesmo chegou à maturidade em termos de estoque de códigos para exercícios, apresentações e relatórios, o preço mensal de R$ 49,90 não reflete mais o valor do material disponível. Há uma grande quantidade de material disponível no Clube, de modo que faz sentido fazermos uma alteração no preço de entrada, bem como selecionar melhor o tipo de assinante que queremos para ele. Isto porque, no modelo de assinatura atual, alguns alunos estavam pagando o primeiro mês e cancelando logo em seguida, de modo a ter acesso a esse estoque de exercícios. Não é o tipo de assinante que queremos, já que o objetivo do Clube é contribuir para que o Blog da Análise Macro permaneça sendo um dos mais ativos da internet, bem como criar uma comunidade de pessoas interessadas em análise de dados.

Assim, a partir de agora teremos uma assinatura anual de R$ 499,90 para novos entrantes no Clube. Esse valor dá acesso a todo o estoque de códigos de exercícios e demais materiais bem como garante o acesso futuro aos novos códigos por 1 ano a partir da data da assinatura. Nesse valor já está, portanto, embutido um super desconto para os novos assinantes do Clube!

Para os assinantes atuais do Clube, por suposto, nada muda. A assinatura continua sendo mensal, debitada no cartão de crédito via paypal.

Para quem ainda não é assinante, corre lá e garanta já o seu acesso a códigos super-didáticos para exercícios, relatórios e apresentações em R, Beamer/LaTeX e RMarkdown. Muita estatística, econometria e machine learning te espera no Clube! Assine aqui.

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