IBOVESPA deve chegar aos 100 mil pontos em breve

[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"]

O principal índice da Bolsa de SP, o IBOVESPA, se aproxima da inédita marca dos 100 mil pontos. E não demorará muito, dado que o mercado segue confiante na agenda econômica do novo governo, que inclui privatizações e reformas, em particular a reforma da previdência. Para coletar os dados do IBOV com o R, como fazemos em nosso curso de Econometria Financeira usando o R, podemos utilizar o pacote quantmod como no código abaixo.


library(quantmod)

## Ibovespa
env = new.env()
getSymbols("^BVSP",src="yahoo", 
env=env,
from=as.Date('2018-12-01'))
ibovespa = env$BVSP[,4]
ibovespa = ibovespa[complete.cases(ibovespa)] 

Uma vez que pegamos os dados do índice, podemos plotar um gráfico na sequência.


autoplot(ibovespa)+
geom_line(size=.8, colour='red')+
xlab('')+ylab('Pontos')+
scale_x_date(date_breaks = '7 days',
labels = date_format("%b %d"))+
labs(title='Índice Bovespa',
caption='Fonte: analisemacro.com.br com dados do Yahoo Finance.')

E o gráfico segue abaixo...

A ascensão do índice se correlaciona com a proximidade do novo governo e, portanto, com os pronunciamentos da nova equipe econômica. Conheça nossos Cursos Aplicados de R para saber como coletar, tratar, analisar e apresentar dados como esse utilizando uma das mais poderosas ferramentas de data science atualmente disponíveis!

[/et_pb_text][/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

Tratamento e transformação de séries temporais macroeconômicas para modelagem

"Garbage in, garbage out" é a regra de ouro na previsão macroeconômica. Antes de aplicar qualquer modelo de IA ou econometria para prever indicadores como o IPCA ou o PIB, existe um trabalho crucial de tratamento de dados. Neste post, abrimos os bastidores do nosso dashboard de previsões e mostramos o passo a passo para transformar dados brutos de múltiplas fontes (como BCB, IBGE e FRED) em séries prontas para modelagem. Veja como lidamos com diferentes frequências, aplicamos transformações e usamos metadados para criar um pipeline de dados robusto e automatizado.

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.

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.