Ibovespa vs. Economia Real: há relação?

No próximo dia 15/12, iremos abrir as inscrições para o Clube AM. O projeto de compartilhamento de códigos da Análise Macro vai avançar para uma versão 2.0, que incluirá a existência de um grupo fechado no Whatsapp, de modo a reunir os membros do Novo Clube, compartilhando com eles todos os códigos dos nossos posts feitos aqui no Blog, exercícios de análise de dados de maior fôlego, bem como tirar dúvidas sobre todos os nossos projetos, exercícios e nossos Cursos e Formações.

Para ilustrar o que vamos compartilhar lá nesse novo ambiente, estou publicando nesse espaço alguns dos nossos exercícios de análise de dados. Hoje, vou compartilhar com vocês o nosso já tradicional Comentário de Conjuntura Semanal. Dessa vez, exploro a relação entre o índice Bovespa e a variação interanual da Formação Bruta de Capital Fixo, um forte indicador do que os economistas consideram como "economia real".

Com o código abaixo, nós pegamos os dados do índice Bovespa utilizando o pacote de R quantmod.


# IBOVESPA
library(quantmod)
library(xts)
env <- new.env()
getSymbols("^BVSP",src="yahoo",
env=env,
from=as.Date('2001-01-01'))
ibovespa = env$BVSP[,4]
ibovespa = ibovespa[complete.cases(ibovespa)]
ibovespa = apply.quarterly(ibovespa, FUN=mean)
ibovespa = ts(ibovespa, start=c(2001,01), freq=4)

Na sequência, nós pegamos os dados da Formação Bruta de Capital Fixo (FBCF) diretamente do site do SIDRA/IBGE, utilizando para isso o pacote de R sidrar.


# FBCF
library(sidrar)
fbcf = get_sidra(api="/t/1620/n1/all/v/all/p/all/c11255/93406/d/v583%202")
fbcf = fbcf$Valor
fbcf = ts(fbcf, start=c(1996,01), freq=4)
dfbcf = (fbcf/lag(fbcf,-4)-1)*100

Uma vez coletados e tratados os dados, nós podemos visualizar ambas as séries como abaixo.

Feito o tratamento, a correlação entre as séries, de fato, não é muito alta. Isso não melhora, inclusive, quando verificamos a correlação entre as defasagens, como pode ser visto no gráfico abaixo.

De posse dos dados já devidamente tratados, entretanto, nós podemos ir um pouco além da simples visualização de correlação entre as séries. Construímos um Vetor de Correção de Erros (VEC) entre as mesmas, de modo que é possível explorar as funções de impulso-resposta. Os resultados encontrados a partir dessa metodologia sugerem que um choque no Ibovespa tem efeito sobre a variação da FBCF, como pode ser visto no gráfico abaixo.

Por óbvio que diversos outros fatores irão governar a expansão da FBCF ao longo do tempo. Mas fica a evidência da relação entre o índice Bovespa e a variação da FBCF.

____________________

(*) Conheça o Clube AM aqui.

(**) Conheça o novo Curso de Análise de Séries Temporais da Análise Macro.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

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.