Análise da produção industrial em 2020

Hoje o IBGE divulgou o resultado da produção industrial em dezembro. Com efeito, começamos a conhecer os resultados do nível de atividade ao longo de 2020. Nesse Comentário de Conjuntura, fazemos uma análise dos principais aspectos da pesquisa com uso do R. O código completo está disponível para os membros do Clube AM.

Para começar, nós carregamos os pacotes de R que utilizaremos.

library(tidyverse)
library(lubridate)
library(tstools)
library(sidrar)
library(zoo)
library(scales)
library(gridExtra)
library(tsibble)
library(timetk)
library(knitr)

Com os pacotes carregados, podemos coletar os dados diretamente do SIDRA/IBGE para o RStudio com o código abaixo.

# Produção Física por Seção e Atividades
## Número-Indice com ajuste sazonal
tabela_sa = get_sidra(api='/t/3653/n1/all/v/3134/p/all/c544/all/d/v3134%201') %>%
mutate(date = parse_date(`Mês (Código)`, format='%Y%m')) %>%
select(date, "Seções e atividades industriais (CNAE 2.0)", Valor) %>%
spread("Seções e atividades industriais (CNAE 2.0)", Valor) %>%
as_tibble()

## Número-Índice sem ajuste sazonal
tabela = get_sidra(api='/t/3653/n1/all/v/3135/p/all/c544/all/d/v3135%201') %>%
mutate(date = parse_date(`Mês (Código)`, format='%Y%m')) %>%
select(date, "Seções e atividades industriais (CNAE 2.0)", Valor) %>%
spread("Seções e atividades industriais (CNAE 2.0)", Valor) %>%
as_tibble()

O código acima importa os números índices com e sem ajuste sazonal da produção industrial. A seguir, podemos criar métricas de crescimento que avaliam o comportamento da produção industrial geral e das atividades industriais.

## Variação na Margem
tabela_sa_ts = ts(tabela_sa[,-1], start=c(year(tabela_sa$date[1]),
month(tabela_sa$date[1])), freq=12)
margem = (tabela_sa_ts/stats::lag(tabela_sa_ts,-1)-1)*100
colnames(margem) <- colnames(tabela_sa[,-1])
margem = tk_tbl(margem, preserve_index = TRUE,
rename_index = 'date')
margem_long = margem %>%
gather(variavel, valor, -date)

## Variação Interanual
tabela_ts = ts(tabela[,-1], start=c(year(tabela$date[1]),
month(tabela$date[1])), freq=12)
interanual = (tabela_ts/stats::lag(tabela_ts,-12)-1)*100
colnames(interanual) <- colnames(tabela[,-1])
interanual = tk_tbl(interanual, preserve_index = TRUE,
rename_index = 'date')
interanual_long = interanual %>%
gather(variavel, valor, -date)

## Variação acumulada em 12 meses
anual = acum_i(tabela_ts,12) %>%
as_tibble() %>%
mutate(date = tabela$date) %>%
drop_na() %>%
select(date, everything())

anual_long = anual %>%
gather(variavel, valor, -date)

A variação na margem pode ser vista a seguir.

Os números na margem indicam que houve uma recuperação após o crash causado pela pandemia do coronavírus. Ocorre que as variações na margem estão cada vez menores, o que pode indicar uma perda de fôlego nessa recuperação. Os gráficos a seguir ilustram.

A suavização do crescimento ocorre com a comparação com o mesmo período do ano anterior. A tabela a seguir ilustra.

Os dados da comparação interanual mostram como a recuperação ainda é bastante lenta e insuficiente para gerar uma comparação positiva com o ano anterior. Os gráficos a seguir ilustram.

Isso fica mais claro quando suavizamos ainda mais as taxas de crescimento, com a taxa acumulada em 12 meses. Os gráficos a seguir ilustram.

Como mostram os gráficos, a recuperação da indústria ainda não é muito clara. Não houve uma recuperação em V do setor, o que deve acentuar a preocupação com o nível de atividade em 2021.

Nos próximos dias, o IBGE divulga os resultados de dezembro para o Comércio e para os Serviços. Ademais, o BCB divulga o IBC-BR, o que nos ajudará a ter uma visão completa sobre o que ocorreu com o nível de atividade nas pesquisas de alta frequência.

Membros do Clube AM têm acesso a todos os resultados dessas pesquisas, que contam com scripts automáticos ensinados no nosso Curso de Análise de Conjuntura usando o R.

_______________________