Câmbio para baixo, IBOV para cima no apagar de outubro

Outubro termina com uma espécie de redenção na agenda econômica. Após mais de 20 anos e cinco presidentes, enfim, foi aprovada uma reforma no sistema público de previdência de grande envergadura. O resultado prático disso são dois. Primeiro, deve haver alguma contaminação em indicadores macro e financeiros desse grande evento - ainda que boa parte já tenha sido antecipada. Segundo, a agenda parlamentar fica aberta para mares nunca antes navegados, como a reforma tributária e a administrativa.

Nesse comentário de conjuntura, por suposto, gostaria de avaliar o comportamento de quatro variáveis: taxa de câmbio R$/US$, Ibovespa, CDS 5 anos e CRB. Os três primeiros são afetados de forma direta pela agenda econômica, de modo que é esperado alguma contaminação sobre eles da aprovação da reforma da previdência. O quarto eu coloco como uma espécie de controle, dada a influência do mesmo sobre a taxa de câmbio.

Antes de mais nada, vamos carregar alguns pacotes...


library(quantmod)
library(ggplot2)
library(scales)
library(forecast)
library(readr)
library(xts)
library(gridExtra)

E abaixo eu importo os dados para o RStudio...


## Pegar dados
getSymbols("BRL=X",src="yahoo", from='2019-06-02')
getSymbols("^BVSP",src="yahoo", from='2019-06-02')
cds = read_csv2('cds.csv', col_types = list(col_date(format='%d/%m/%Y'),
col_double()))
crb = read_csv2('crb.csv', col_types = list(col_date(format='%d/%m/%Y'),
col_double()))

Os dados do câmbio e do ibovespa eu pego do yahoo finance com o pacote quantmod enquanto os dados do CDS e do CRB de um arquivo csv usando o pacote readr. Abaixo, um tratamento rápido dos dados.


cambio = `BRL=X`[,4]
ibov = BVSP[,4]
cds = window(xts(cds$cds5y, order.by = cds$date), start='2019-06-02')
crb = window(xts(crb$crb, order.by = crb$date), start='2019-06-02')
data = cbind(cambio, ibov, cds, crb)
data = data[complete.cases(data)]
colnames(data) = c('cambio', 'ibov', 'cds', 'crb')

Com os dados prontos, meu objetivo é construir uma espécie de painel com o gráfico das quatro variáveis. Isso pode ser feito com a combinação de quatro pacotes: ggplot2, forecast, scales e gridExtra. Abaixo, crio e guardo o gráfico da primeira variável.


g1 = autoplot(cambio)+
scale_x_date(breaks = date_breaks("15 days"),
labels = date_format("%d/%b"))+
theme(axis.text.x=element_text(angle=45, hjust=1),
plot.title = element_text(size=10))+
labs(x='', y='R$/US$',
title='Taxa de Câmbio R$/US$ diária')

O código é idêntico para as demais variáveis, então não os repito aqui. Uma vez construídos e guardados os objetos, posso gerar meu painel com a função grid.arrange do pacote gridExtra como abaixo.


grid.arrange(g1, g2, g3, g4, ncol=2, nrow=2,
bottom='Fonte: Yahoo Finance e Bloomberg')

E aí está o gráfico...

Podemos observar na ponta um recuo do câmbio para próximo a 4 R$/US$ e um avanço do índice Bovespa para recordes históricos. Já o CDS 5 anos recuou no período selecionado, o mesmo comportamento registrado para o CRB. A agenda econômica pró-reformas traz um alento para o país em um momento bastante delicado no cenário internacional, marcado por riscos consistentes de uma desaceleração global. Algo que obviamente tem impacto nas variáveis aqui selecionadas.

________________________

(*) Saiba coletar e tratar dados macroeconômicos com o nosso Curso de Análise de Conjuntura usando o R.

(**) Agradeço ao meu amigo Sávio Barbosa, da Paineiras Investimentos, por disponibilizar os dados do CDS5Y e do CRB.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como criar um Agente de IA coletor de dados

A tecnologia de agentes de IA está democratizando o acesso e a manipulação de dados econômicos complexos, tornando-a acessível mesmo para aqueles sem experiência em programação. Neste post discutimos a criação de agentes de IA para coletar dados econômicos brasileiros usando linguagem natural, como "Qual é a expectativa do IPCA para 2025?".

Como Criar um Agente Analista para Dados da Inflação com LangGraph

Este post mostra como automatizar a análise da inflação brasileira com o uso de agentes inteligentes. Utilizando o LangGraph, integramos dados do IPCA, núcleos de inflação e grupos do índice para criar um sistema capaz de gerar análises econômicas automatizadas com base em consultas em linguagem natural.

Como Criar um Agente para Análise da Atividade Econômica com LangGraph

Este post mostra como automatizar a análise da atividade econômica brasileira com agentes inteligentes. Utilizando o framework LangGraph e dados do IBGE e Banco Central, construímos um sistema capaz de gerar respostas analíticas a partir de perguntas em linguagem natural, unindo automação de consultas SQL e interpretação econômica.

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!

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.