Category

PIB

Efeito sísmico do coronavírus sobre a previsão do PIB

By | PIB

Economistas de mercado estão nesse momento com uma pergunta difícil de ser respondida: qual será o efeito do coronavírus sobre a economia brasileira? As medidas de distanciamento social necessárias para conter a pandemia no país paralisaram o nível de atividade, em particular o setor de serviços, fazendo com que desabe o crescimento do PIB nesse ano. O mais provável é que tenhamos uma recessão econômica. E aí vai a pergunta: de qual tamanho?

Para ilustrar o tamanho da incerteza, vamos pegar o desvio-padrão das projeções de crescimento do PIB da pesquisa Focus, diretamente do Sistema de Expectativas do Banco Central através do pacote rbcb.


library(rbcb)
library(ggplot2)
library(scales)
library(ggrepel)
library(png)
library(grid)
library(dplyr)
library(magrittr)

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

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

filter(pibe, reference_year == 2020 & date > '2016-02-01') %>%
ggplot(aes(x=date))+
geom_line(aes(y=sd), size=.8)+
labs(title='Desvio-padrão das previsões para o crescimento do PIB em 2020',
caption='Fonte: analisemacro.com.br com dados do BCB.')+
xlab('')+ylab('')+
scale_x_date(breaks = date_breaks("2 months"),
labels = date_format("%b/%Y"))+
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,.4),
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('2016-02-03'),
xmax=as.Date('2017-12-30'),
ymin=1, ymax=2)

A tarefa de verificar o impacto da pandemia sobre o nível de atividade é provavelmente o maior desafio da profissão nos últimos anos.

(*) Isso e muito mais você aprende em nossos Cursos Aplicados de R.

___________


PIB cresceu 1,1% em 2019

By | PIB

O IBGE divulgou hoje pela manhã o resultado das Contas Nacionais no 4º trimestre. Com efeito, sabemos que o PIB cresceu 1,1% no ano passado, como era amplamente esperado pelo mercado. Na margem, contra o 3º trimestre, o PIB cresceu 0,5% e na comparação interanual, contra o mesmo trimestre do ano anterior, houve crescimento de 1,7%. A tabela a seguir resume os dados de crescimento dos componentes do PIB tanto pelo lado da oferta quanto pela demanda.

Variação dos Componentes do PIB (%)
Margem Trimestral Anual 2 anos
Agro -0,4 0,4 1,2 2,6
Ind 0,2 1,5 0,5 1,0
Serv 0,6 1,6 1,2 2,8
PIB 0,5 1,7 1,1 2,5
Consumo 0,5 2,1 1,8 3,9
Governo 0,4 0,3 -0,4 -0,1
FBCF -3,3 -0,4 2,2 6,2
Exportação 2,6 -5,1 -2,5 1,4
Importação -3,2 -0,2 1,1 9,5

Como é possível verificar, o destaque negativo pelo lado da demanda foi a queda de 3,3% na margem na Formação Bruta de Capital Fixo (FBCF). Isso, de fato, é uma péssima notícia em um momento em que esperava-se uma recuperação mais consistente dos investimentos. Pelo lado da oferta, o destaque foi o crescimento de 0,6% na margem dos serviços, que tem peso relevante no PIB.

A recuperação cíclica da economia brasileira ainda está longe de ganhar tração, como mostra o gráfico acima. Após a saída da Grande Recessão de 2014-2016, a economia tem tido dificuldades de deslanchar. Ao longo do período reformista, que começa em 2016, houve diversos choques sobre a economia, como o Joesley Day, a greve de caminhoneiros e a crise na Argentina. Esses choques se somam a mudança de liderança no crescimento, agora mais dependente da iniciativa privada do que do setor público.

Um zoom sobre o período recente mostra a dificuldade que a economia está tendo de experimentar taxas de crescimento mais fortes. Ao que parece, a economia se acomodou em um crescimento próximo a 1% ao ano, número bastante aquém das necessidades do país. Para um crescimento populacional de 0,8% a.a., significa dizer que o pib per capita está praticamente estagnado nesse período.

____________________

(*) As Contas Nacionais contam com script completo em nosso Curso de Análise de Conjuntura usando o R.

IBC-Br avança em novembro

By | PIB

Contrariando os resultados das pesquisas do Comércio, Serviços e Indústria, o IBC-Br, o índice de nível de atividade do Banco Central avançou em novembro 0,18%, contra o mês de outubro. O índice conta com script automático que é ensinado/disponibilizado no nosso Curso de Análise de Conjuntura usando o R. A seguir, resumimos os dados do mesmo.


library(ggplot2)
library(scales)
library(gridExtra)
library(BETS)

ibc = BETSget(24363, data.frame=TRUE)
ibc_sa = BETSget(24364, data.frame=TRUE)
ibc = data.frame(ibc$date, ibc$value, ibc_sa$value)
colnames(ibc) = c('dates', 'ibc', 'ibc_sa')

Com os dados do índice em mãos, nós construímos uma tabela resumo com os últimos resultados.

Variação do IBC-Br (%)
Mensal Trimestral Interanual Anual
2019 Sep 0,44 0,79 2,07 1,01
2019 Oct 0,09 0,67 1,98 0,95
2019 Nov 0,18 0,75 1,10 0,90

Como é possível ver, na comparação interanual houve avanço de 1,10% e no acumulado em 12 meses, o índice mantém crescimento de 0,9%. Os gráficos a seguir resumem a trajetória das principais métricas de crescimento do índice.

O IBC-Br resume as principais pesquisas de nível de atividade. A despeito do crescimento na margem, a variação em 12 meses ainda mostra um cenário de estagnação próxima a 1%. A expectativa, diga-se, é que isso mude ao longo de 2020.
_________________

(*) Aprenda a construir análises como essa em nossos Cursos Aplicados de R:

Um novembro decepcionante para o nível de atividade

By | PIB

O IBGE divulgou hoje a Pesquisa Mensal do Comércio (PMC). Com efeito, completa-se a trilha de divulgação das principais pesquisas de nível de atividade: PMC, PMS (Serviços) e PIM-PF (Indústria). As três pesquisas contam com scripts automáticos que são ensinados/disponibilizados no nosso Curso de Análise de Conjuntura usando o R. A seguir, resumimos as três pesquisas.

Métricas da Indústria Geral (%)
Mensal Interanual Trimestral Anual
2019 Sep 0,2 1,0 0,4 -1,3
2019 Oct 0,8 1,1 0,7 -1,3
2019 Nov -1,2 -1,7 -0,1 -1,3

A tabela acima resume as principais métricas referentes à indústria geral. Em novembro, houve queda na margem de 1,2%, o que acabou impactando as demais métricas. No acumulado em 12 meses, a indústria geral flerta com números negativos.

Métricas da PMS-IBGE (%)
Mensal Trimestral Interanual 12 meses
Receita -0,5 0,7 5,0 4,4
Volume -0,1 0,7 1,9 0,9

Na sequência, analisamos a PMS, que também trouxe uma acomodação de -0,1% em novembro. No acumulado em 12 meses, porém, os Serviços mostram um número positivo de 0,9%.

Métricas da PMC-IBGE (%)
Mensal Trimestral Interanual 12 meses
Volume Restrito 0,6 0,5 2,9 1,6
Receita Restrito 0,9 0,7 4,9 4,6
Volume Ampliado -0,5 0,4 3,8 3,6
Receita Ampliado -0,3 0,5 5,5 6,1

O comércio também sofreu com a posição dos automóveis, gerando um número negativo na margem no conceito ampliado. Em 12 meses, contudo, mantém variação de 3,6%. A seguir, nós consolidamos essa última métrica para as três pesquisas em um gráfico.


Como é possível verificar, na métrica de variação mais suave para as três pesquisas, indústria e comércio parecem ainda não refletir os avanços verificados na margem no segundo semestre. Enquanto isso, os serviços mantém alguma estabilidade no período, ainda que experimentem uma trajetória distinta das duas outras pesquisas. Das três, apenas a indústria flerta com números negativos, acusando os efeitos dos choques que abalaram a economia brasileira nos últimos anos.

_________________

Indústria decepciona em novembro

By | PIB

Os dados da indústria referentes a novembro divulgados agora há pouco pelo IBGE acabaram vindo pior do que o esperado pelo mercado. Houve queda de 1,2% na comparação com outubro e de 1,7% na comparação interanual. Com efeito, o trimestre móvel encerrado em novembro acabou mostrando queda de 0,1% na comparação com o trimestre móvel encerrado em outubro. A produção industrial conta com script automático que é ensinado/disponibilizado no nosso Curso de Análise de Conjuntura usando o R. A tabela abaixo resume os números principais da indústria geral.

Métricas da Indústria Geral (%)
Mensal Interanual Trimestral Anual
2019 Sep 0,2 1,0 0,4 -1,3
2019 Oct 0,8 1,1 0,7 -1,3
2019 Nov -1,2 -1,7 -0,1 -1,3

Os dados da produção industrial estão disponíveis no SIDRA do IBGE. Para pegá-los, nós podemos utilizar o pacote sidrar como abaixo.


library(sidrar)
# Importação dos dados
table1 = get_sidra(api='/t/3653/n1/all/v/3134,3135/p/all/c544/all/d/v3134%201,v3135%201')
table2 = get_sidra(api='/t/3651/n1/all/v/3134,3135/p/all/c543/129278,129283,129300,129301,129305/d/v3134%201,v3135%201')

Com a função get_sidra() nós podemos pegar os dados da produção industrial referentes às categorias econômicas atividades industriais. A função, contudo, retorna um data frame bagunçado, que precisa ser tratado para que consigamos ter uma matriz onde cada coluna representa uma variável e cada linha seja uma observação, que nesse caso é uma observação mensal - uma série temporal mensal. Há várias formas de coletar os dados e construir um data frame, tibble ou mesmo matriz limpas. Abaixo, dou o exemplo mais simples para pegar os dados da indústria geral com ajuste sazonal.


geral_sa = table1$Valor[table1$`Variável (Código)`==3134 & table1$`Seções e atividades industriais (CNAE 2.0) (Código)`==129314]

É possível automatizar a busca com um loop, de modo a coletar todos as variáveis que você deseja. Em seguida, podemos criar um tibble como no código a seguir.


# As tibble
dates = seq(as.Date('2002-01-01'), ultima, by='1 month')
data_tl = tibble(dates, geral, extrativa, transform, bk, bi, bc, bcd,
bcnd)
data_sa_tl = tibble(dates, geral_sa, extrativa_sa, transform_sa, bk_sa,
bi_sa, bc_sa, bcd_sa, bcnd_sa)

A seguir, podemos construir um gráfico da produção industrial geral com ajuste sazonal restrita a dezembro de 2016 para frente com o uso da função filter() do pacote dplyr.


filter(data_sa_tl, dates > '2016-12-01') %>%
ggplot(aes(x=dates, y=geral_sa))+
annotate("rect", fill = "lightblue", alpha = 0.7,
xmin = as.Date('2019-07-01'),
xmax = as.Date('2019-11-01'),
ymin = -Inf, ymax = Inf)+
geom_line(size=.8, colour='darkblue')+
scale_x_date(breaks = date_breaks("2 month"),
labels = date_format("%b/%Y"))+
theme(axis.text.x=element_text(angle=45, hjust=1),
plot.title = element_text(size=12, colour='darkblue',
face='bold'))+
labs(x='', y='',
title='Produção Industrial Geral (com ajuste sazonal)',
caption='Fonte: analisemacro.com.br com dados do IBGE')

Por fim, o gráfico...

Como é possível verificar pelo gráfico, a indústria abortou a recuperação que vinha sendo ensaiada nos últimos meses. É, de fato, o setor que mais tem sentido os choques dos últimos meses.

O script, a propósito, segue com a análise por categorias e atividades da indústria.

_____________________________

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