Category

Comentário de Conjuntura

O efeito Ilan à frente do Banco Central

By | Comentário de Conjuntura

Ontem, o Banco Central divulgou a última ata do Comitê de Política Monetária (COPOM) sob a gestão de Ilan Goldfajn. A despeito das informações conjunturais lá postas, o momento é propício para se fazer uma avaliação da condução da política monetária no período de 2016-2018. Com esse objetivo, construímos abaixo um Índice de Credibilidade da Política Monetária brasileira, com base em Mendonça e Souza (2007) - aprenda a lidar com dados reais como esse em nossos Cursos Aplicados de R. A ideia básico de um índice desse tipo é verificar o quanto a expectativa de inflação se distancia da meta ao longo do tempo.

O índice acima está normalizado, de modo que se E(\pi) = \pi^M, o índice é igual a 1. Se, do contrário, E(\pi) \geq \pi_{max}^M ou E(\pi) \leq \pi_{min}^M, isto é, ele avançar além dos limites pré-estabelecidos, então o índice é zero. Observe, portanto, que o índice volta aos patamares de 2008-2009, quando o Banco Central conseguiu desinflacionar a economia brasileira após o choque cambial de 2002. Ilan entrega para o próximo presidente do Banco Central uma economia desinflacionada, com expectativas ancoradas e juro básico na mínima histórica. Um baita trabalho à frente da instituição!

_______________________________________________________________

Mendonça e Souza (2007), Credibilidade do Regime de Metas para Inflação no Brasil, Pesquisa e Planejamento Econômico, IPEA, 37(2)

Conheça nossos Cursos Aplicados de R e aprenda a coletar, tratar, analisar e apresentar dados reais com o R!

PNAD Contínua vs. CAGED: uma análise comparativa com o R

By | Comentário de Conjuntura

O Brasil possui atualmente duas pesquisas principais, como aprendemos em nosso Curso de Análise de Conjuntura usando o R, sobre o mercado de trabalho. O Cadastro Geral de Empregados e Desempregados (CAGED), do hoje extinto Ministério do Trabalho, cobre o fluxo mensal de admitidos e demitidos em empresas devidamente registradas. Já a Pesquisa Nacional por Amostra de Domicílios Contínua (PNAD Contínua) dá uma dimensão mais abrangente sobre o estoque de pessoas envolvidas (ou não) no mercado de trabalho.

Pode ser interessante, nesse sentido, fazer uma comparação entre as duas pesquisas. O código abaixo, por suposto, utiliza o pacote ecoseries para pegar os dados de admitidos do CAGED diretamente do site do IPEADATA, bem como utiliza o pacote sidrar para pegar os dados da população ocupada com carteira assinada do site do SIDRA/IBGE.


library(ecoseries)
library(sidrar)

## Baixar dados
caged = ts(series_ipeadata('231410417',
periodicity = 'M')$serie_231410417$valor,
start=c(1999,05), freq=12)

po = get_sidra(api='/t/6320/n1/all/v/4090/p/all/c11913/allxt')
carteira = po$Valor[po$`Posição na ocupação e categoria do emprego no trabalho principal (Código)`=='31722']
pnad = ts(carteira, start=c(2012,03), freq=12)

Uma vez de posse desses dados, devemos dessazonalizar os dados do CAGED com o código a seguir, utilizando o pacote seasonal.


library(seasonal)
Sys.setenv(X13_PATH = "C:/Séries Temporais/R/Pacotes/seas/x13ashtml")

cagedsa = final(seas(caged))

Com os dados do CAGED dessazonalizados, podemos pegar uma janela dos dados, lembrando que como a PNAD Contínua refere-se a uma média móvel trimestral, há uma defasagem de três meses em relação aos dados do CAGED. O código abaixo operacionaliza.


## Window
cagedsa = window(cagedsa, start=c(2012,06))
pnad = window(pnad, end=c(2018,09))

E por fim plotamos o gráfico de correlação entre as variáveis como abaixo...

Como podemos ver, há uma correlação positiva entre os dados próxima a 0,7. Quer aprender mais sobre como usar o R para fazer esse tipo de análise? Estamos com inscrições abertas para a próxima turma do nosso Curso de Análise de Conjuntura usando o R. Corre lá e garanta a sua vaga!

Brasil registra 5º ano de déficit primário em 2018

By | Comentário de Conjuntura

A Secretaria do Tesouro Nacional (STN) divulgou ontem o resultado fiscal do governo central referente ao mês de dezembro. Com os dados fechados de 2018, é possível dizer que o governo teve o seu 5º ano de déficit primário, isto é, as receitas não foram suficientes para arcar com as despesas correntes, excluindo as rúbricas financeiras.  O déficit nominal foi de R$ 120,3 bilhões. Como aprendemos em nosso Curso de Análise de Conjuntura usando o R, com efeito, é possível coletar e tratar os dados fiscais, de modo a obter o gráfico abaixo, que dá a trajetória do resultado primário ao longo dos anos.

O resultado primário é um importante indicador de fluxo da solvência do setor público, uma vez que ele irá interferir diretamente no estoque de endividamento público. Saiba como analisar a conjuntura com o R em nosso Curso de Análise de Conjuntura usando o R.

Baixando dados de ações da Bovespa com o R

By | Comentário de Conjuntura

Uma das grandes vantagens de se utilizar o R como ferramenta de trabalho - veja como aprender R em nossos Cursos Aplicados -  é poder automatizar a coleta de dados da internet com scripts. Para ilustrar, podemos tomar o exemplo do mercado de ações brasileiro. Podemos pegar os dados referente à ação da Vale do Rio do Doce na Bovespa a partir do pacote quantmod, construindo um gráfico para a mesma ao longo do tempo. O código abaixo ilustra.


library(quantmod)
library(ggplot2)
library(scales)
library(ggthemes)

env = new.env()
getSymbols("VALE3.SA",src="yahoo", 
env=env,
from=as.Date('2019-01-14'))
vale = env$VALE3.SA[,4]

autoplot(vale)+
geom_line(size=.8, colour='darkblue')+
scale_x_date(date_breaks = '2 days',
labels = date_format("%b %d"))+
labs(title='VALE3.SA',
caption='Fonte: analisemacro.com.br com dados do Yahoo Finance.')+
xlab('')+ylab('R$')+
theme_economist_white()

E o gráfico...

 

 

 

IBOVESPA deve chegar aos 100 mil pontos em breve

By | Comentário de Conjuntura

O principal índice da Bolsa de SP, o IBOVESPA, se aproxima da inédita marca dos 100 mil pontos. E não demorará muito, dado que o mercado segue confiante na agenda econômica do novo governo, que inclui privatizações e reformas, em particular a reforma da previdência. Para coletar os dados do IBOV com o R, como fazemos em nosso curso de Econometria Financeira usando o R, podemos utilizar o pacote quantmod como no código abaixo.


library(quantmod)

## Ibovespa
env = new.env()
getSymbols("^BVSP",src="yahoo", 
env=env,
from=as.Date('2018-12-01'))
ibovespa = env$BVSP[,4]
ibovespa = ibovespa[complete.cases(ibovespa)] 

Uma vez que pegamos os dados do índice, podemos plotar um gráfico na sequência.


autoplot(ibovespa)+
geom_line(size=.8, colour='red')+
xlab('')+ylab('Pontos')+
scale_x_date(date_breaks = '7 days',
labels = date_format("%b %d"))+
labs(title='Índice Bovespa',
caption='Fonte: analisemacro.com.br com dados do Yahoo Finance.')

E o gráfico segue abaixo...

A ascensão do índice se correlaciona com a proximidade do novo governo e, portanto, com os pronunciamentos da nova equipe econômica. Conheça nossos Cursos Aplicados de R para saber como coletar, tratar, analisar e apresentar dados como esse utilizando uma das mais poderosas ferramentas de data science atualmente disponíveis!

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