Category

Indicadores

PIB pode cair até 11% em 2020

By | Indicadores

O IBGE divulgou na última sexta-feira o resultado do PIB no 1º trimestre de 2020. Como antecipado pelos indicadores de alta frequência, houve uma queda de 1,5% na margem, isto é, contra o 4º tri de 2019. Amanhã, no comentário de conjuntura semanal, eu vou divulgar a atualização do script de R para coleta, tratamento e visualização automatizada dos dados do PIB que utilizamos em nosso Curso de Análise de Conjuntura usando o R. O script torna bem mais simples a tarefa de lidar com esses dados, que são importados para o R diretamente do SIDRA/IBGE com o pacote sidrar.

O resultado do PIB, diga-se, alterou levemente a média e a mediana das expectativas do boletim Focus. Em 22/05, a expectativa média era de crescimento de -5,92%, já em 29/05, houve uma deterioração adicional para -6,16%. Ao longo da semana, as instituições que compõem o Focus devem atualizar as expectativas.

Um ponto que me chamou atenção no boletim Focus divulgado hoje pela manhã é que o crescimento mínimo se manteve em -11%. O gráfico acima ilustra.

Ainda que seja cedo para dizer, pode ser o início de um consenso em torno do fundo do poço para a economia brasileira esse ano.

(*) Isso e muito mais você aprende em nossos Cursos de Macroeconomia Aplicada.

_________________


_________________

Erro de Previsão da inflação mensal no boletim Focus

By | Indicadores

Como tenho escrito nesse espaço todas as segundas-feiras, o boletim Focus do Banco Central conta com uma rica base de dados sobre expectativas dos agentes a respeito de diversas variáveis macroeconômicas. Temos, inclusive, um script de R para coleta, tratamento e visualização automatizada desses dados em nosso Curso de Análise de Conjuntura usando o R. O script torna bem mais simples a tarefa de lidar com esses dados.

Para ilustrar, suponha por exemplo que você queira ter acesso às expectativas de inflação um mês à frente. Isto é, a inflação projetada pelos agentes para o mês t+1. Fazer isso na mão vai dar um trabalho danado, porque você vai ter que pegar os dados em excel no banco central, para cada 2 anos, depois empilhar esses dados e por fim colher a expectativa para o tal mês t+1.

No R, contudo, a coisa fica mais simples. Para começar, podemos pegar os dados diretamente do site para o RStudio com o pacote rbcb. Depois, usando alguns pacotes como o dplyr e o lubridate, que são ensinados no nosso Curso de Introdução ao R para Análise de Dados, nós podemos tratar os dados que obtivemos, tendo acesso apenas às expectativas de inflação para o mês t+1. E isso com poucas linhas de código, como ilustramos abaixo.


library(rbcb)
library(tidyverse)
library(lubridate)
library(scales)
library(latex2exp)

expectativa = get_monthly_market_expectations('IPCA') %>%
mutate(reference_month = ymd(parse_date_time(reference_month, orders = '%Y-%m')),
diff_months = round(time_length(reference_month - date, unit='month'),2)) %>%
filter(base == 0 & diff_months > 0 & diff_months < 1) %>%
group_by(mes=floor_date(date, "month")) %>%
summarize(media=mean(mean))

Pronto! Temos o objeto expectativa - um tibble - que contém os meses e o valor da expectativa média para o mês t+1. Com essa informação, podemos verificar se os agentes são viesados em suas projeções. Para isso, nós precisamos pegar a inflação efetivamente observada, também utilizando o pacote rbcb. De posse desse dado, basta construirmos o erro de previsão e gerar um gráfico como abaixo.

Se regredirmos esse erro de previsão contra um intercepto, vamos verificar que há uma subestimação da inflação mensal de 6 pontos-base por parte dos agentes do boletim Focus, na amostra que consideramos - um total de 240 observações. O resultado, diga-se, está em linha com o working paper 227 do próprio Banco Central.

 

(*) Isso e muito mais você aprende em nossos Cursos de Macroeconomia Aplicada.

_________________


_________________

Focus evidencia a deterioração no ambiente econômico

By | Indicadores

Na semana passada, mostrei como coletar e tratar os dados do boletim Focus do Banco Central sobre expectativas de mais de 100 instituições a cerca de diversas variáveis macroeconômicas. Essa análise do boletim Focus conta, inclusive, com um script de R no nosso Curso de Análise de Conjuntura usando o R. De fato, tenho o costume de toda segunda-feira dar uma olhada nos principais pontos do boletim e divulgar um comentário aqui, no blog da AM.

O painel acima, construído com o pacote gridExtra, contém as expectativas para o PIB, IPCA, taxa de câmbio e taxa Selic em 2020. Os últimos referem-se ao final do ano. Como é possível observar, o mínimo das projeções para o PIB estão em -6%, enquanto a média situa-se em -3,41%. Gradativamente, diga-se, há uma convergência nas projeções, com uma redução do desvio-padrão, ainda que esse permaneça em nível elevado.

As projeções médias para a inflação em 2020 situam-se em 2,16%, com previsões mínimas em torno de 0,95% e máximas próximas a 3,71%. Em outras palavras, a projeção máxima para a inflação esse ano está abaixo da meta.

Já o câmbio médio esperado para o final do ano é de 4,86 R$/US$, com máximo cravado em 6 R$/US$ e mínimo cravado em 4 R$/US$.

Com efeito, a média do mercado espera uma taxa básica de juros de 2,94% no final do ano, com mínimo em 1% e máximo em 4,5%.

As expectativas do Focus mostram assim a forte deterioração no ambiente econômico como consequência da pandemia do coronavírus.

(*) Isso e muito mais você aprende em nosso Curso de Análise de Conjuntura usando o R.

___________


Análise das Expectativas do Focus com o R

By | Indicadores

Toda segunda-feira, o Banco Central publica um boletim que resume as expectativas de mais de 100 instituições sobre o futuro de variáveis macroeconômicas como o PIB, a taxa de câmbio, a inflação e a taxa de juros. O boletim Focus conta, inclusive, com um script de R no nosso Curso de Análise de Conjuntura usando o R. A seguir, ilustro o início do script.

Para coletar os dados de expectativas do Focus, eu utilizo o pacote rbcb, que está disponível no github. Para fazer o tratamento dos dados, utilizamos os pacotes tidyverse. Para ilustrar, vamos pegar os dados esperados para o crescimento do PIB.


library(rbcb)
library(tidyverse)

pibe = get_annual_market_expectations('PIB Total',
start_date = '2015-01-01')

O código acima retorna um tibble com os dados de crescimento médio e mediano esperados para vários anos, bem como outras métricas como o desvio padrão das previsões. A seguir, nós plotamos o crescimento médio e mediano esperados para 2020, a partir do início de 2019.


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

filter(pibe, reference_year == '2020' & date > '2019-01-02') %>%
ggplot(aes(x=date))+
geom_line(aes(y=mean, colour='Média'), size=.8)+
geom_line(aes(y=median, colour='Mediana'), size=.8)+
scale_colour_manual('', values=c('Média'='darkblue',
'Mediana'='red'))+
geom_hline(yintercept=0, colour='black', linetype='dashed')+
labs(title='Crescimento Esperado para 2020',
subtitle='Boletim Focus: média e mediana das instituições',
caption='Fonte: analisemacro.com.br com dados do BCB.')+
xlab('')+ylab('% a.a.')+
scale_x_date(breaks = date_breaks("14 days"),
labels = date_format("%d/%b"))+
theme(axis.text.x=element_text(angle=45, hjust=1))+
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(.5,.3),
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('2019-01-03'),
xmax=as.Date('2019-05-30'),
ymin=-3, ymax=-1)

Observa-se uma queda pronunciada nas expectativas de crescimento para 2020 a partir de março, refletindo o recrudescimento da pandemia do coronavírus. No último dado disponível, o crescimento médio esperado é de -3,01% e o mediano de -2,96%. Essas previsões, contudo, estão cercadas de grande incerteza, como pode ser visto no desvio padrão abaixo.

Na ponta, o desvio padrão tem diminuído, por conta de um início de convergência nas previsões. O intervalo de projeções, contudo, continua bastante amplo, com previsões mínimas chegando a -6%. O gráfico a seguir ilustra.

(*) Isso e muito mais você aprende em nosso Curso de Análise de Conjuntura usando o R.

___________


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