Inflação segue controlada no Brasil

A inflação medida pelo IPCA, divulgada essa semana pelo IBGE, fechou em 4,52% em 2020, levemente acima da meta, que era de 4%. O principal fator que gerou um desvio em relação à meta foi o repique no grupo Alimentação e Bebidas. A despeito disso, a média dos 7 núcleos de inflação construídos pelo Banco Central ficou em 2,76%, dentro do limite inferior do regime de metas para inflação.

Os membros do Clube AM, a propósito, têm acesso ao Monitor de Inflação, atualizado sempre que o IPCA é divulgado pelo IBGE. O Monitor é uma apresentação automatizada, que coleta os dados diretamente do SIDRA/IBGE e gera gráficos e demais informações sobre a inflação medida pelo IPCA. O gráfico a seguir resume o comportamento da inflação, da média dos núcleos e do intervalo da meta.

A linha vermelha no gráfico representa a meta de inflação, que em 2020 foi de 4%. Já a área cinza representa os limites inferior e superior da meta, que de acordo com o regime servem para acomodar eventuais choques sobre a inflação. Em resumo, portanto, o gráfico acima deixa claro que a inflação se manteve controlada em 2020, a despeito do choque de alimentos.

_______________________

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.