Category

Indicadores

Análise da PMS com o R

By | Indicadores

Hoje pela manhã o IBGE divulgou mais um indicador referente à atividade em abril: a Pesquisa Mensal de Serviços (PMS). É outra pesquisa que também conta com script automático de coleta, tratamento e visualização de dados no nosso Curso de Análise de Conjuntura usando o R. Na comparação interanual, houve queda de 17,32% nos serviços em abril. O acumulado em 12 meses também foi para terreno negativo, registrando -0,66%.

Uma apresentação dos dados está disponível aqui.

(**) Isso e muito mais você aprende no nosso Curso de Análise de Conjuntura usando o R.

_________________

Análise de dados de seguro-desemprego com o R

By | Indicadores

A versão 4.0 do nosso Curso de Análise de Conjuntura usando o R, que abre inscrições no próximo dia 23/06, irá explorar novas séries que servem como indicadores antecedentes do ciclo econômico. Dentre essas séries, vamos verificar como é possível analisar os pedidos de seguro-desemprego, que, entre outras coisas, dá uma ideia de como está o mercado de trabalho. O script de R começa carregando alguns pacotes.


library(tidyverse)
library(readxl)
library(lubridate)
library(scales)
library(ecoseries)
library(timetk)
library(zoo)
### Pacote Seasonal
library(seasonal)

Uma vez carregados os pacotes que iremos utilizar no script, é possível baixar e ler os dados de seguro-desemprego com o código abaixo.


url = 'http://pdet.mte.gov.br/images/Seguro-Desemprego/Segunda%20Quinzena%20de%20Maio/3-%20S%C3%A9rie%20Hist%C3%B3rica%20do%20Seguro-Desemprego%20-%202000%20a%202020%20-%20mensal.xlsx'
download.file(url, destfile = 'seguro.xlsx', mode='wb')
data = read_excel('seguro.xlsx', sheet="Tabela 1", skip=5) %>%
drop_na()

Uma vez coletados os dados, geramos algum tratamento deles, dado que são disponibilizados em uma planilha excel bastante bagunçada...


## Tratamento dos dados
dates = parse_date_time(colnames(data[-1]),
orders='%Y/%m')
names = data$...1
data = t(data[,-1])
row.names(data) = NULL
colnames(data) = names

data =
data %>%
as_tibble() %>%
mutate(DATES = dates) %>%
select(DATES, everything())

A seguir, podemos gerar um primeiro gráfico dos dados agregados brutos de pedidos de seguro-desemprego...

Dois aspectos da série mensal saltam aos olhos. O primeiro é que há um grande salto no último dado disponível, o mês de maio de 2020. Houve nesse mês 960,2 mil pedidos de seguro-desemprego.

Outro ponto que chama atenção é a existência de alguma sazonalidade nos dados. A seguir, colocamos um gráfico que dá um zoom nesse comportamento.

A seguir, exploramos os dados dos Estados. Aqui, coloco como exemplo o comportamento dos pedidos de seguro-desemprego na região Sudeste.

Para terminar, relacionamos os dados de seguro-desemprego ao saldo do cadastro geral de empregados e desempregados (CAGED) do Ministério da Economia...

(**) Isso e muito mais você aprende no nosso Curso de Análise de Conjuntura usando o R.

_________________


_________________

Expectativa para o PIB em 2020 segue trajetória de deterioração

By | Indicadores

No nosso Curso de Análise de Conjuntura usando o R, nós ensinamos nossos alunos a coletar, tratar e visualizar dados macroeconômicos. Entre estes, está a análise dos dados contidos no boletim Focus, que é divulgado toda segunda-feira pelo Banco Central. A seguir, ilustramos como é possível pegar diversos dados do boletim com o pacote rbcb, como no exemplo abaixo.


library(rbcb)
data = get_annual_market_expectations(c('PIB Total', 'IPCA',
'Taxa de câmbio',
'Meta para taxa over-selic'),
start_date = '2019-01-01')

Com os dados importados, nós podemos visualizá-los como no gráfico abaixo.

A expectativa média para crescimento em 2020 segue se deteriorando, ficando agora em -6,46%, com um desvio-padrão ainda alto de 1,39 pontos percentuais. Já a expectativa para a inflação está agora em 1,55%, o câmbio no final do ano está em 5,22 R$/US$ e a taxa básica de juros em 2,18%. Abaixo, os desvios-padrão dessas expectativas.

As expectativas para o PIB e para a taxa de Câmbio seguem cercadas de grande incerteza, dada a dificuldade de extrair algum sinal confiável do ambiente econômico.

 

(**) Isso e muito mais você aprende no nosso Curso de Análise de Conjuntura usando o R.

_________________


_________________

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.

_________________


_________________

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