Category

Dados Macroeconômicos

Baixando dados do SIDRA com o R: o pacote SidraR

By | Dados Macroeconômicos

A dica de hoje é o pacote "sidrar" que coleta dados do SIDRA, base de dados do IBGE, diretamente para o R. Pacote bem legal para quem precisa trabalhar com as pesquisas da instituição, tais como a PNAD Contínua, PME, PMC, Contas Nacionais, etc. Abaixo, coloco um exemplo de como utilizar o pacote.


library(sidrar)
library(ggplot2)
library(scales)
library(dynlm)

tabela = get_sidra(api='/t/6381/n1/all/v/4099/p/all/d/v4099%201')

times = seq(as.Date('2016-01-01'), as.Date('2017-08-01'), 
 by='month')

desemprego = data.frame(time=times, desemprego=tail(tabela$Valor, 20))

ggplot(desemprego, aes(x=time, y=desemprego))+
 geom_line(size=.8, colour='darkblue')+
 scale_x_date(breaks = date_breaks("1 months"),
 labels = date_format("%b/%Y"))+
 theme(axis.text.x=element_text(angle=90, hjust=1))+
 geom_point(size=9, shape=21, colour="#1a476f", fill="white")+
 geom_text(aes(label=round(desemprego,1)), size=3, 
 hjust=0.5, vjust=0.5, shape=21, colour="#1a476f")+
 xlab('')+ylab('%')+
 labs(title='Taxa de Desocupação PNAD Contínua',
 subtitle='População desocupada em relação à PEA',
 caption='Fonte: analisemacro.com.br com dados do IBGE.')

E abaixo o gráfico...

Repare que utilizamos a função get_sidra para pegar os dados referentes à taxa de desemprego medida pela PNAD Contínua. Para isso, ademais, colocamos os dados rerefentes à API, fornecido pelo novo site do SIDRA.

Para quem quiser implementar uma solução utilizando a API do SIDRA, basta clicar aqui. Um vignette sobre uso do pacote sidrar, ademais, está disponível aqui. Agora, é só aproveitar... 🙂

Clique na figura para conhecer o novo curso da Análise Macro

Clique na figura para conhecer nosso novo curso de econometria

Vítor Wilher

Data Scientist

Vítor Wilher é Bacharel e Mestre em Economia, pela Universidade Federal Fluminense, tendo se especializado na construção de modelos macroeconométricos, política monetária e análise da conjuntura macroeconômica doméstica e internacional. Tem, ademais, especialização em Data Science pela Johns Hopkins University. Sua dissertação de mestrado foi na área de política monetária, titulada "Clareza da Comunicação do Banco Central e Expectativas de Inflação: evidências para o Brasil", defendida perante banca composta pelos professores Gustavo H. B. Franco (PUC-RJ), Gabriel Montes Caldas (UFF), Carlos Enrique Guanziroli (UFF) e Luciano Vereda Oliveira (UFF). Já trabalhou em grandes empresas, nas áreas de telecomunicações, energia elétrica, consultoria financeira e consultoria macroeconômica. É o criador da Análise Macro, startup especializada em treinamento e consultoria em linguagens de programação voltadas para data analysis, sócio da MacroLab Consultoria, empresa especializada em cenários e previsões e fundador do hoje extinto Grupo de Estudos sobre Conjuntura Econômica (GECE-UFF). É também Visiting Professor da Universidade Veiga de Almeida, onde dá aulas nos cursos de MBA da instituição, Conselheiro do Instituto Millenium e um dos grandes entusiastas do uso do no ensino. Leia os posts de Vítor Wilher aquiCaso queira, mande um e-mail para ele: vitorwilher@analisemacro.com.br

Baixando dados do PIB mensal do IBRE/FGV com o R

By | Dados Macroeconômicos

Os dados do PIB mensal elaborado pelo IBRE/FGV divulgados agora há pouco confirmam a continuidade da recuperação. Abaixo, um exemplo de como baixar os dados utilizando o \mathbf{R}.


library(XLConnect)
library(ggplot2)
library(png)
library(grid)

url = 'http://bit.ly/2yk7uUL'
temp = tempfile()
download.file(url, destfile=temp, mode='wb')
data = loadWorkbook(temp)

pib_sa = ts(readWorksheet(data, sheet = 6, header = TRUE, 
 startRow = 3)[,17], start=c(2000,01), freq=12)

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

autoplot(pib_sa)+
 geom_line(size=.9, colour='darkblue')+
 scale_x_discrete(limits=2000:2017)+
 theme(axis.text.x=element_text(angle=45, hjust=1))+
 annotate("rect", fill = "gray", alpha = 0.5, 
 xmin = 2016.9, 
 xmax = 2017.5,
 ymin = -Inf, ymax = Inf)+
 annotation_custom(g, xmin=2001.0, xmax=2004.9, 
 ymin=150, ymax=180)+
 xlab('')+ylab('Número Índice')+
 labs(title='PIB Mensal IBRE/FGV',
 subtitle='Número Índice dessazonalizado',
 caption='Fonte: analisemacro.com.br com dados do IBRE/FGV.')

E abaixo o gráfico...

O leitor pode, como exercício, obter agora as taxas de crescimento, sob as diferentes métricas, na margem, interanual, trimestral e acumulada em 12 meses, de modo a verificar como está o ritmo de recuperação. 🙂 

 

 

 

Clique na figura para conhecer os cursos aplicados em R da Análise Macro

Conheça nossos cursos aplicados de macroeconomia

Vítor Wilher

Vítor Wilher

Data Scientist

Vítor Wilher é Bacharel e Mestre em Economia, pela Universidade Federal Fluminense, tendo se especializado na construção de modelos macroeconométricos, política monetária e análise da conjuntura macroeconômica doméstica e internacional. Tem, ademais, especialização em Data Science pela Johns Hopkins University. Sua dissertação de mestrado foi na área de política monetária, titulada "Clareza da Comunicação do Banco Central e Expectativas de Inflação: evidências para o Brasil", defendida perante banca composta pelos professores Gustavo H. B. Franco (PUC-RJ), Gabriel Montes Caldas (UFF), Carlos Enrique Guanziroli (UFF) e Luciano Vereda Oliveira (UFF). Já trabalhou em grandes empresas, nas áreas de telecomunicações, energia elétrica, consultoria financeira e consultoria macroeconômica. É o criador da Análise Macro, startup especializada em treinamento e consultoria em linguagens de programação voltadas para data analysis, sócio da MacroLab Consultoria, empresa especializada em cenários e previsões e fundador do hoje extinto Grupo de Estudos sobre Conjuntura Econômica (GECE-UFF). É também Visiting Professor da Universidade Veiga de Almeida, onde dá aulas nos cursos de MBA da instituição, Conselheiro do Instituto Millenium e um dos grandes entusiastas do uso do no ensino. Leia os posts de Vítor Wilher aquiCaso queira, mande um e-mail para ele: vitorwilher@analisemacro.com.br

Baixando dados da Bovespa com o R

By | Dados Macroeconômicos

A dica de hoje é como baixar dados da Bovespa com o R. Para isso, é possível utilizar o pacote BatchGetSymbols produzido pelo professor da UFRGS Marcelo Perlin. Estou, inclusive, adotando-o no Curso de Econometria Financeira usando o R. Abaixo, um exemplo com o índice Bovespa.


library(ggplot2)
library(scales)
library(BatchGetSymbols)

bvsp = BatchGetSymbols('^BVSP', first.date = as.Date('2002-12-31'),
 last.date = as.Date('2017-09-12'))

ggplot(bvsp$df.tickers, aes(x = ref.date, y = price.close))+
 geom_line()+
 scale_y_discrete(limits=c(10000, 20000, 30000, 40000, 50000, 60000,
 70000))+
 scale_x_date(breaks = date_breaks("1 years"),
 labels = date_format("%Y"))+
 xlab('')+ylab('Pontos')+
 labs(title='Índice Bovespa',
 caption='Fonte: analisemacro.com.br com dados do Yahoo Finance.')

E abaixo o gráfico...

Agora é só você abrir o RStudio e começar a brincar... 🙂

Baixando dados do IPEADATA, FGV, Banco Central e IBGE com o R

By | Dados Macroeconômicos

É com enorme felicidade que tenho visto a maior penetração do no país. Ao longo das últimos meses, por onde passo, sou abordado por pessoas que conhecem a Análise Macro e estão interessadas em aprender o R. Passados dois anos do início desse projeto - sim, estamos comemorando dois anos! -, não deixa de ser bastante auspicioso verificar o avanço do uso da linguagem entre estudantes, profissionais de mercado e professores. Uma das formas de avaliar esse avanço, diga-se, é na produção de pacotes para coleta de dados nas principais bases do país. Nesse post, vou falar dos pacotes atualmente disponíveis para pegar dados do IPEADATA, FGV, IBGE Banco Central. Caso tenha esquecido de algum, por favor, deixe aí nos comentários!

BETS

O pacote que mais tenho utilizado atualmente para pegar dados dessas bases é o BETS, pacote produzido pelo pessoal da FGV. Está disponível no CRAN e tem se mostrado bastante estável, à medida que alguns bugs foram corrigidos. Ele pode ser utilizado para pegar dados do Banco Central, IBGE e da FGV. Um vignette do pacote está disponível aqui.


library(BETS)

BETS.chart(ts = 'iie_br', file = "iie_br", open = TRUE)

rbcb

Outro pacote que tenho utilizado é o rbcb, produzido pelo Wilson Freitas. Ele serve, como o próprio nome já entrega, para coletar dados do Banco Central.

library(rbcb)
library(ggplot2)
ipca = get_series(433)
ggplot(ipca, aes(x=date))+
 geom_line(aes(y=ipca$`433`), col='darkblue')

ribge

Um pacote que conheci recentemente foi o ribge, que ainda está em fase de desenvolvimento, disponível no GitHub. Tomare que ao longo dos próximos meses esteja plenamente funcional!

ecoseries

Por fim, outro pacote que também coleta dados do SIDRA IBGE, Banco Central e IPEADATA é o ecoseries, disponível no CRAN.


library(ecoseries)
library(BETS)
library(ggplot2)
library(forecast)

ipca = window(ts(series_ipeadata('36482', 
 periodicity = 'M')$serie_36482$valor,
 start=c(1979,12), freq=12), start=c(1999,08))

base = window(BETS.get(1833), start=c(1999,08))

data = ts.intersect(base, ipca)

par(mar=c(5,4,4,5)+.1)
plot(data[,1]/1000000, xlim=c(2000,2017), xlab='', ylab='Base Monetária',
 col='red', lty=1, lwd=2)
par(new=T)
plot(data[,2], xlim=c(2000,2017), xlab='', ylab='', 
 xaxt='n',yaxt='n', col='blue', lty=1, lwd=2) 
axis(4)
mtext('IPCA',side=4,line=3)
mtext('Base Monetária vs. IPCA', side=3, line=1, font=2)
mtext('Fonte: analisemacro.com.br com dados do IPEA e do BCB.', 
 side=1, line=3, font=1)
legend('topleft', col=c('red','blue'), lty=c(1,1), lwd=c(2,2),
 legend=c('Base', 'IPCA'))
grid()


Na minha visão, o e outras linguagens como o Python serão cada vez mais utilizadas no país, seja para fazer coleta de dados como os exemplos aqui, seja para facilitar/automatizar a vida dos analistas. E, claro, o momento de se tornar fluente nessas linguagens é agora! 🙂

Bitcoin no R

By | Dados Macroeconômicos

Vou participar de dois eventos no mês que vem sobre criptomoedas e, portanto, estou lendo um pouco mais sobre o assunto. Nunca tive grande interesse pelo tema (sim, eu não sou austríaco), mas é sempre bom a gente expandir nosso conhecimento, não é mesmo? E qual a melhor forma de começar? Sim, tendo acesso aos dados...

library(Quandl)
library(ggplot2)
library(forecast)
library(scales)
btc = Quandl("BCHARTS/ROCKUSD", type='xts')
autoplot(btc[,4])+
 annotate("rect", fill = "gray", alpha = 0.5, 
 xmin = as.Date('2016-08-01'), 
 xmax = as.Date('2017-08-20'),
 ymin = -Inf, ymax = Inf)+
 geom_line(size=.1, colour='darkblue')+
 scale_y_discrete(limits=c(0,500,1000,1500,2000,2500,3000,3500,4000,
 4500))+
 scale_x_date(breaks = date_breaks("3 months"),
 labels = date_format("%b/%Y"))+
 theme(axis.text.x=element_text(angle=45, hjust=1),
 plot.title = element_text(size=11, face='bold'),
 plot.caption = element_text(size=9),
 axis.title.y = element_text(size=9))+
 xlab('')+ylab('')+
 labs(title='Bitcoin vs. USD (Fechamento Diário)',
 subtitle='Fonte: Quandl R API')

O gráfico, como se pode ver no código, está baseado no Quandl, mas há um pacote específico chamado Rbitcoin. Por enquanto é isso. Ao longo das próximas semanas falo mais de bitcoin por aqui! 🙂

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