Como foi o impacto da 2ª onda da pandemia sobre o nível de atividade?

No ano passado, de modo a inferir o que poderia ocorrer com o PIB em 2020 por causa da pandemia, fiz um exercício da relação entre o mesmo e o Consumo de Energia. Os resultados encontrados sugeriam que a elasticidade entre uma série e outra era de 1,1, indicando que os estragos no nível de atividade seriam grandes, visto o que estava ocorrendo com o consumo de energia. Nesse Comentário de Conjuntura, nós analisamos novamente a série de consumo de energia, disponível na ONS, de modo a vislumbrar o que ocorrerá com o nível de atividade no primeiro trimestre, dada a 2ª onda da pandemia no país.

Membros do Clube AM, por suposto, têm acesso a todos os códigos desse exercício.

Os dados do Consumo de Energia podem ser obtidos no site da ONS. A seguir, colocamos os dados da carga de energia, em MWmed e a tendência da série, obtida através de uma decomposição STL.

Os dados revelam que, de fato, houve um vale na tendência da série em 2020, seguido de uma recuperação no final do ano, que permaneceu em 2021. O mesmo comportamento pode ser visto nos dados mensalizados, quando colocamos a carga contra a carga com ajuste sazonal.

Os dados na margem do IBC-Br, o índice de nível de atividade do Banco Central, corroboram a ideia de que houve crescimento ao longo dos primeiros dois meses do primeiro tri de 2021. A tabela abaixo ilustra.

Índice de Nível de Atividade do Banco Central
Data IBC-Br IBC_sa Margem Interanual Trimestral Anual
2020-09-01 137.06 135.40 1.68 -0.89 8.20 -3.56
2020-10-01 139.45 136.94 1.14 -2.31 6.57 -3.94
2020-11-01 138.01 138.03 0.80 -0.60 4.65 -4.06
2020-12-01 139.69 139.11 0.78 1.56 3.63 -4.00
2021-01-01 132.90 140.85 1.25 -0.53 3.08 -4.05
2021-02-01 135.96 143.24 1.70 0.98 3.13 -4.02

A incógnita fica, evidentemente, sobre o mês de março, quando houve uma série de restrições nos Estados, por conta do avanço da 2ª onda da pandemia no país. Dando um zoom sobre os últimos dados do consumo de energia, observamos um comportamento de normalidade na série, considerando o ajuste sazonal.


A verificar o que, de fato, ocorreu com o PIB no primeiro tri de 2021, mas tudo indica que o buraco vai ser bem menor do que o de 2020. Tudo isso, claro, considerando que o organismo econômico aprendeu a conviver com a pandemia, principalmente pela adesão em massa da economia ao e-commerce. O impacto sobre o nível de atividade, se houve, fica restrito aos meses de março e abril, mas nada comparável ao que houve no ano passado.

____________________________

(*) O exercício entre consumo de energia e PIB pode ser visto aqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Montar um pipeline de previsão macroeconômica não é apenas uma tarefa técnica — é um exercício de integração entre dados, modelos e automação. Neste post, apresento uma visão geral de como estruturar esse processo de ponta a ponta, da coleta de dados até a construção de um dashboard interativo, que exibe previsões automatizadas de inflação, câmbio, PIB e taxa Selic.

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

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.