2018: não era o ano que esperávamos...

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Foram divulgadas nesses dois últimos dias, as pesquisas de emprego e nível de atividade do IBGE: a PNAD e as Contas Nacionais Trimestrais. Ambas as pesquisas contam com scripts automáticos, disponíveis no Clube do Código, e são destrinchadas em nosso Curso de Análise de Conjuntura usando o R. Os resultados da PNAD, referentes ao trimestre móvel terminado em outubro, revelam um contingente de 12,3 milhões de desempregados para uma população economicamente ativa de 105,2 milhões de pessoas. O que dá uma taxa de desemprego de 11,7%. Já as Contas Nacionais Trimestrais revelaram um crescimento anualizado de 1,4% no terceiro trimestre do ano, refletindo uma estabilidade em relação ao trimestre anterior. Na margem, o PIB cresceu 0,8%, com destaque para a FBCF, que cresceu 6,6% em relação ao trimestre anterior. Ambas as pesquisas podem, por suposto, serem baixadas diretamente do IBGE com o pacote sidraR, de modo que é possível produzir relatórios automáticos, integrando as etapas de coleta, tratamento e apresentação de dados, como é visto em nosso Curso de Análise de Conjuntura usando o R.

A despeito do crescimento da FBCF, a economia brasileira parece ter ficado em compasso de espera ao longo de 2018, seja por conta da greve dos caminhoneiros em maio, seja pela indefinição eleitoral. Com efeito, a ociosidade no mercado de trabalho permanece em níveis elevados, com destaque para a queda de 1,1% no número de empregados com carteira, na comparação interanual. O crescimento verificado, por suposto, deve mesmo ficar bem distante das projeções iniciais. Esperava-se um PIB rodando entre 2,5% e 3%, quando o que devemos ver é uma economia crescendo próxima a 1,5%. Um número tímido dado o contingente alto de desempregados.

Para baixar as apresentações da PNAD e das Contas Nacionais, elaboradas com o R, veja aqui e aqui. Aprenda a fazer análises como essa se matriculando em nosso Curso de Análise de Conjuntura usando o R. Não deixe, também, de conferir nossos demais Cursos Aplicados de R.

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Coletando dados do Google Trends no R e no Python

Como acompanhar e antecipar tendências de mercado? Independentemente da resposta final, os dados são o meio. Neste artigo, mostramos como obter dados do Google Trends em tempo quase real, utilizando as linguagens de programação R e Python.

Contribuição para a Volatilidade [Python]

A contribuição para a volatilidade fornece uma decomposição ponderada da contribuição de cada elemento do portfólio para o desvio padrão de todo o portfólio. Em termos formais, é definida pelo nome de contribuição marginal, que é basicamente a derivada parcial do desvio padrão do portfólio em relação aos pesos dos ativos. A interpretação da fórmula da contribuição marginal, entretanto, não é tão intuitiva, portanto, é necessário obter medidas que possibilitem analisar os componentes. Veremos portanto como calcular os componentes da contribuição e a porcentagem da contribuição. Vamos criar as respectivas medidas usando a linguagem de programação Python.

Inflação de Serviços vs. Desemprego

A teoria econômica convencional sugere a presença de um trade-off entre inflação e desemprego no curto prazo, comumente conhecido como a Curva de Phillips. Em termos simples, reduções na taxa de desemprego podem resultar em um aumento temporário na inflação. Nesse contexto, a inflação de serviços emerge como uma categoria particularmente relevante devido às suas características distintivas. Para explorar e visualizar a relação entre inflação de serviços e desemprego, conduzimos uma análise utilizando a linguagem de programação Python. Além disso, empregamos o procedimento de Toda-Yamamoto para avaliar a existência de uma relação de causalidade no sentido Granger entre essas variáveis.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.