Atualização de resultados dos modelos de inflação da AM

O IPCA fechou 2025 em 4.26%, ficando acima da meta de 3% ao ano, mas dentro do intevalo de tolerância de ±1,5 ponto percentual. O valor veio abaixo da previsão da Análise Macro, de 4.66%, e abaixo do previsto pelo Boletim Focus, de 4.30%.

Confira o Painel de Previsões automatizado, elaborado pela Análise Macro, para mais detalhes das previsões e outros recursos: https://analisemacro.shinyapps.io/previsao_macro/

Analisando os itens que compõem o índice, cinco dos nove grupos ficaram acima da meta de inflação, com destaques para Despesas pessoais, Educação e Habitação. O único grupo que apresentou deflação moderada foi Artigos de residência.

Com a chegada de um ano eleitoral, devemos ficar atentos para medidas de tentativa de controle de preços. Aprenda a analisar a inflação em detalhes no curso de Análise de Conjuntura.

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Choque de juros e renda em bens duráveis e não duráveis usando Python

Atualização de resultados dos modelos de inflação da AM

Decomposição do Impulso de Crédito no Brasil usando Python

Aplicando o Time Series Transformer para prever inflação (IPCA)

Análise do Payroll norte-americano com Python

O papel da credibilidade do Banco Central na desinflação da economia

Outros artigos relacionados

Choque de juros e renda em bens duráveis e não duráveis usando Python

Este artigo analisa a dinâmica do consumo no Brasil utilizando Python e modelos de Vetores Autorregressivos (VAR). Ao segregar bens duráveis e não duráveis, o estudo quantifica a sensibilidade a choques de juros e renda. Criamos todo o processo através do ciclo de dados: coleta, tratamento, análise de dados, modelagem e apresentação dos resultados, tudo automatizado usando a linguagem Python.

Decomposição do Impulso de Crédito no Brasil usando Python

Neste exercício, mostramos como o Python pode ser utilizado para calcular uma métrica central para a compreensão da dinâmica entre crédito e atividade econômica no Brasil, a partir de um ciclo completo e altamente reprodutível de coleta, tratamento e análise de dados.

Aplicando o Time Series Transformer para prever inflação (IPCA)

Neste exercício, exploramos a previsão de séries temporais utilizando o Temporal Fusion Transformer (TFT). O TFT é uma arquitetura de Deep Learning baseada em mecanismos de atenção, desenhada especificamente para lidar com múltiplas variáveis e horizontes de previsão longos, mantendo a interpretabilidade — uma característica frequentemente ausente em modelos de "caixa-preta".

Boletim AM

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

Boletim AM

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