Um país frustrante

Há uma séria frustração com a economia brasileira. E não estou me referindo propriamente ao resultado do PIB do 2º trimestre divulgado ontem pelo IBGE. Desde o 2º trimestre de 2014, os resultados apresentados pela economia brasileira têm sido pífios. Para ser bondoso. O gráfico abaixo ilustra o comportamento da variação marginal do PIB, isto é, quando se confronta o PIB em t contra o PIB em t-1. Das 29 observações dessa métrica desde então, 14 delas foram negativas.

Nos últimos trimestres, como também é possível verificar no gráfico acima, o PIB vem lentamente convergindo para uma variação na margem estagnada, após alguma recuperação cíclica do pior momento da pandemia no ano passado. Para além do curtíssimo prazo, o que se vê é um PIB que converge para a mediocridade.

Não há, por suposto, sinais de melhora no ar. A conjuntura de curto prazo está repleta de fumaça, com um ambiente político carregado, risco fiscal ampliado, choques inflacionários importantes que levam a aumento de juros e, ainda, um risco de racionamento de energia rodeando o cenário.

Frustrante.

Mas quem disse que não pode piorar? Quando se olha para 2022, o quadro político-eleitoral se desenha com um pessimismo atroz. Resquícios de crueldade do autor da novela.

Pensando bem, não sei se existe um autor de novela tão criativo para escrever algo como o enredo da política brasileira.

Diga você, leitor.

___________________________________

(*) A análise completa do PIB é ensinada 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

Regimes da Política Monetária Brasileira com Markov Switching no Python

Este exercício analisa a política monetária brasileira utilizando modelos de Markov Switching Regression. O objetivo é identificar diferentes regimes de política monetária e como eles influenciam a taxa Selic, a meta de inflação e o hiato do produto. Usamos a linguagem de programação Python para o processo de coleta, tratamento, análise e modelagem dos dados.

Como criar janelas móveis de séries temporais usando o Python

Janelas Móveis/Deslizantes, ou Rolling Windows, são termos frequentes na análise de séries temporais. Mas o que são e como aplicá-las no Python? Neste tutorial, mostramos como essa ferramenta é essencial para a análise de dados utilizando como exemplo a correlação móvel de ações brasileiras.

Como incorporar choques em cenários de previsão?

Neste exercício mostramos como incorar choques no cenário de variáveis exógenas para fins de previsão. Usando como exemplo a previsão do IPCA, através de um modelo de machine learning, mostramos os cuidados a serem tomados e uma forma simples de definir o cenário com os choques. Ao final, apresentamos uma previsão com um suposto choque e uma previsão sem o choque para comparação.

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.