Category

Dados Macroeconômicos

O crescimento econômico frustrado

By | Dados Macroeconômicos

Os agentes de mercado que respondem a pesquisa Focus do Banco Central voltaram a reduzir a expectativa para crescimento em 2019: de 0,83 para 0,80. O motivo é a turbulência no cenário externo, em particular os problemas com a vizinha Argentina. O consenso é que a liberação do FGTS acabará sendo compensado pelos choques externos.

Para além do crescimento do PIB, houve piora também na expectativa para o câmbio, como ilustra o gráfico acima. A inflação esperada está em declínio, 3,65%, bem abaixo da meta do Banco Central. Com efeito, o mercado espera mais dois cortes na taxa Selic, terminando a mesma em 5% no final do ano.

A semana é marcada, diga-se, pela divulgação do PIB do 2º trimestre na sexta-feira. Há expectativa de crescimento levemente positivo na margem, algo entre 0,1% e 0,2%. Publicaremos aqui uma análise detalhada das contas nacionais com o uso do R.

Para uma apresentação detalhada das expectativas do Focus feita com RMarkdown, veja aqui.

Reforma Tributária e facilidade para pagar impostos no Brasil

By | Dados Macroeconômicos

O relatório Doing Business do Banco Mundial constrói anualmente um ranking de facilidade para se fazer negócios entre 190 países. São avaliados 10 itens, entre eles a facilidade no pagamento de impostos. Para ilustrar a posição do Brasil nesse quesito, peguei alguns dados do site do projeto e usei o R para tratar os dados. A seguir, carrego os pacotes utilizados.


library(readxl)
library(ggplot2)

Os dados são então importados com a função read_excel do pacote readxl como no código abaixo.


data = read_excel('data.xlsx', sheet=1,
col_types = c(rep('text', 2), rep('numeric', 11)))

A seguir, eu ordeno os dados com base na classificação do ranking de pagamento de impostos.


db = data[order(data$`Pagamento de impostos - Classificação`,
decreasing = F),]

db$Economia <- factor(db$Economia,
levels = db$Economia[order(db$`Pagamento de impostos - Classificação`)])

impostos = data.frame(db$Economia, db$`Pagamento de impostos - Classificação`)

colnames(impostos) = c('pais', 'posicao')

impostos = impostos[complete.cases(impostos),]

Com o código a seguir usamos o ggplot2 para gerar um gráfico ordenado.


ggplot(impostos, aes(x=pais, y=posicao))+
geom_bar(stat='identity', colour='gray', fill='gray',
width=.1)+
theme(axis.text.x=element_text(angle=65, hjust=1))+
scale_x_discrete(breaks=impostos$pais[seq(1,190,4)])+
xlab('')+ylab('Posição')+
labs(title='Facilidade para pagar imposto - Doing Business',
subtitle='Elaboração própria com dados do Banco Mundial.')+
annotate('text', x=impostos$pais[184], y=195,
label='Brasil',
colour='red', size=3.4)

E o gráfico...

Entre 190 países, nosso país ocupa a 184ª posição na facilidade de pagamento de impostos. Uma reforma tributária é mais do que urgente por esses lados, não é mesmo?

_______________________________

A planilha data.xlsx pode ser encontrada no repositório do Blog.

Baixando ações com o R

By | Dados Macroeconômicos

Existem diversos pacotes no R para lidar com séries financeiras. Em termos de coleta de dados, podemos baixar ações a partir do yahoo finance, utilizando o pacote quantmod. Abaixo damos um exemplo utilizando a ação PETR4, que derreteu nos últimos dias (minha solidariedade a quem estiver comprado nela).


library(quantmod)

getSymbols("PETR4.SA",src="yahoo", 
from=as.Date('2016-06-01'))

chartSeries(PETR4.SA[,6])

Abaixo o gráfico...

Interessados no log retorno podem plotá-los como abaixo...


plot(diff(log(PETR4.SA$PETR4.SA.Adjusted)))

Para saber o código da ação, basta entrar no yahoo finance. Para quem tiver interesse em usar econometria para lidar com séries financeiras, recomendo nosso curso de Econometria Financeira usando o R. Por fim, aos vendidos em Petrobras, me chamem para o chope... 🙂

Bitcoin

By | Dados Macroeconômicos

E o bitcoin continua surpreendendo, hein? Colocamos abaixo novamente como baixar dados da criptomoeda com o R.


library(Quandl)
library(ggplot2)
library(forecast)
library(scales)

btc = Quandl("BCHARTS/ROCKUSD", type='xts')

bitcoin = btc$Close
bitcoin = apply.monthly(bitcoin, FUN=mean)

time = seq(as.Date('2016-01-01'), as.Date('2017-11-01'), by='1 month')

data = data.frame(time=time, bitcoin=tail(bitcoin[,2],12+11))

ggplot(data, aes(x=time, y=Close))+
 geom_bar(stat='identity', size=.7, colour='darkblue',
 fill='darkblue')+
 geom_text(aes(label=round(Close,0)), size=2.8, 
 hjust=0.5, vjust=-0.5, shape=21, colour="red")+
 scale_x_date(breaks = date_breaks("1 months"),
 labels = date_format("%m/%Y"))+
 theme(axis.text.x=element_text(angle=45, hjust=1))+
 xlab('')+ylab('')+
 labs(title='Bitcoin vs. USD ',
 subtitle='(Fechamento Diário mensalizado)',
 caption='Fonte: analisemacro.com.br com dados Quandl R API.')

Onde vai para o bitcoin? 🙂

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar Gratuitamente
{"cart_token":"","hash":"","cart_data":""}