Análise do Mercado de Crédito com o R

A disponibilidade de crédito é uma variável de suma importância para impulsionar tanto o consumo das famílias quanto o investimento das firmas. Nesse Comentário de Conjuntura, por suposto, seguindo a análise do mercado de crédito que faço no Curso de Análise de Conjuntura usando o R, vamos dar uma olhada em alguns aspectos desse mercado. Para isso, vou utilizar aqui o pacote Quandl para pegar as séries do Banco Central diretamente para o R.

Para começar, vamos pegar as concessões mensais de crédito.


library(Quandl)
library(ggplot2)
library(scales)

credito_total = Quandl('BCB/20631', order='asc')

Na sequência, podemos pegar os dados divididos por pessoa física e jurídica.

</span>

library(tidyverse)

credito_pj = Quandl('BCB/20632', order='asc')
credito_pf = Quandl('BCB/20633', order='asc')

credito_por_p = inner_join(credito_pj, credito_pf, by = 'Date') %>%
rename(pj = Value.x, pf = Value.y)
<pre>

Na sequência, pegamos os dados divididos por crédito livre crédito direcionado.

</pre>
credito_livre = Quandl('BCB/20634', order='asc')
credito_direc = Quandl('BCB/20685', order='asc')

credito_por_recurso = inner_join(credito_livre,
credito_direc, by = 'Date') %>%
mutate(livre=Value.x, direc=Value.y, .keep='unused')
<pre>

A seguir, fazemos a divisão desse estoque entre crédito público e privado.


## Crédito Público vs. Privado
privado <- Quandl('BCB/2043', start_date = '2000-01-01', order='asc')
publico <- Quandl('BCB/2007', start_date = '2000-01-01', order='asc')

data <- inner_join(privado, publico, by='Date')%>%
mutate(privado=Value.x/(Value.x+Value.y)*100,
publico=Value.y/(Value.y+Value.x)*100,
.keep='unused') %>%
pivot_longer(names_to='variavel', values_to='valor', cols=-Date)

 

Uma recuperação mais pujante do mercado de crédito é crucial para que possamos acelerar o crescimento da economia brasileira. Para isso, contudo, são fundamentais as reformas microeconômicas que estão no radar tanto do Congresso Nacional quanto do próprio Banco Central.

_______________________

(*) A análise completa está disponível 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

Como automatizar tarefas repetitivas usando Python? Um exemplo para largar o Excel

Manter relatórios diários com dados e análises atualizados é um desafio, pois envolve várias etapas: coleta de dados, tratamento de informações, produção de análises e atualização de relatório. Para superar este desafio algumas ferramentas como Python + Quarto + GitHub podem ser usadas para automatizar tudo que for automatizável. Neste artigo mostramos um exemplo com dados do mercado financeiro.

Criando um Dashboard de análise de Ações no Python

Um Dashboard é um painel de controle que consolida uma variedade de informações sobre um determinado objeto de estudo em um ou mais painéis. Ele simplifica significativamente o processo de análise de dados, oferecendo uma visão global e fácil de entender. Uma maneira simples de construir um Dashboard para acompanhar uma ação específica é utilizando duas ferramentas: Quarto e Python. Neste post, mostramos o resultado da criação de um Dashboard de Ação.

Analisando séries temporais no Python e esquecendo de vez o Excel

Séries temporais representam uma disciplina extremamente importante em diversas áreas, principalmente na economia e na ciência de dados. Mas, afinal, como lidar com esses dados que se apresentam ao longo do tempo? Neste exercício, demonstraremos como compreender uma série temporal e como o Python se destaca como uma das melhores ferramentas para analisar esse tipo de dado.

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.