Comentário de Conjuntura: Semana de decisão sobre os juros

[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"]

A semana é marcada pela decisão do Comitê de Política Monetária (COPOM) na quarta-feira, 21/03. A expectativa do mercado é que haja um novo corte de 25 pontos-base no juro básico, levando-o para 6,5% a.a. Isso tanto porque o PIB do quarto trimestre veio aquém do esperado, como o cenário para a inflação continua bastante comportado. As leituras de janeiro e fevereiro da inflação medida pelo IPCA, períodos de sazonalidade desfavorável, se mostraram surpreendentemente baixas. Ademais, o solavanco do início do ano no cenário externo não parece ter aberto um período de instabilidade mais acentuado - a despeito, diga-se, de um ou outro pico de volatilidade, como o de hoje, causado pela queda nas ações do Facebook. Tudo isso posto indica como cenário provável mais uma queda do juro básico, o que confirma a política monetária em posição mais expansionista.

Para além do COPOM, a semana tem a divulgação do IBC-BR, feita hoje pela manhã, e do IPCA-15 na sexta-feira. O Índice de Nível de Atividade do Banco Central (IBC-BR) teve uma queda de 0,56% entre dezembro e janeiro, após quatro leituras positivas nessa métrica. Na comparação interanual, houve avanço de 2,97% contra janeiro de 2017 e no acumulado em doze meses o índice acumula alta de 1,20%.

Preparamos, a propósito, uma apresentação usando o R para o índice, que pode ser baixada aqui. Membros do Clube do Código têm acesso a todo o código necessário para gerar essa apresentação.

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/11/cursosaplicados.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="off" sticky="off" align="left" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid" /][/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

Análise exploratória para modelagem preditiva no Python

Antes de desenvolver bons modelos preditivos é necessário organizar e conhecer muito bem os dados. Neste artigo, damos algumas dicas de recursos, como gráficos, análises e estatísticas, que podem ser usados para melhorar o entendimento sobre os dados usando Python.

Como usar modelos do Sklearn para previsão? Uma introdução ao Skforecast

Prever séries temporais é uma tarefa frequente em diversas áreas, porém exige conhecimento e ferramentas específicas. Os modelos de machine learning do Sklearn são populadores, porém são difíceis de aplicar em estruturas temporais de dados. Neste sentido, introduzimos a biblioteca Skforecast, que integra os modelos do Sklearn e a previsão de séries temporais de forma simples.

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.