Efeitos da pandemia sobre o PIB ainda são incertos

A média das previsões para o crescimento do PIB em 2020, disponível no boletim Focus do Banco Central, se aproximou de -6%. Mesmo há quase três meses imersos na maior pandemia da nossa geração, esse pode não ser ainda o fundo do poço. O desvio-padrão das previsões continua bastante elevado, refletindo a incerteza que domina o ambiente econômico. Os dados do Focus são coletados a partir do pacote rbcb como abaixo.


library(rbcb)

pibe = get_annual_market_expectations('PIB Total',
start_date = '2015-01-01')

O gráfico que reflete o intervalo das previsões é colocado abaixo.

Como se pode ver, a média de -5,92% situa-se entre uma mínima de -11% e uma máxima de 1,89%, com um desvio-padrão de 1,73 pontos. Abriu-se uma boca de jacaré nas previsões do boletim Focus. A seguir, o comportamento do desvio-padrão.

desvio-padrão, que ficava em torno de 0,5, deu um salto em março, refletindo a incerteza que tomou conta do ambiente econômico global. Esse aumento de incerteza, diga-se, foi captado pelo índice da FGV, como pode ser visto abaixo.

Ao que parece, ainda estamos longe de saber os efeitos da pandemia sobre a economia brasileira.

____________________

(*) Você aprende a coletar, tratar e visualizar dados macroeconômicos no nosso Curso de Análise de Conjuntura usando o R.


_____________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

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.