Qual a participação do BNDES no crédito total?

[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 mínimo que se espera em debates econômicos é o uso correto dos dados. Isso dito, para a pergunta qual a participação do BNDES no crédito total não dá para citar a concessão de crédito do banco em um mês e confrontar esse dado com o crédito total concedido no mesmo mês. Ao invés de olhar o fluxo em um mês o correto é investigar o estoque. O código abaixo faz isso.

library(ggplot2)
library(BETS)

cred = window(BETS.get(20539), start=c(2007,03))

bndes.pj = BETS.get(20604)
bndes.pf = BETS.get(20616)
bndes = (bndes.pj+bndes.pf)/cred*100

autoplot(bndes)+
 geom_area(stat='identity', colour='red', fill='red')+
 scale_x_discrete(limits=c(2007:2017))+
 xlab('')+ylab('')+
 labs(title='Participação do BNDES no Crédito Total (%)',
 caption='Fonte: analisemacro.com.br com dados do BCB.')

 

E abaixo o gráfico...

Na ponta, por suposto, a participação do banco no crédito total está em 18,73%.

[/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

Previsões do Boletim Focus em Anos Eleitorais

Eleições são momentos de incerteza, mas os dados do Boletim Focus mostram que nem toda incerteza é igual. Ao analisar as previsões de inflação, juros e câmbio nos anos que antecederam as eleições de 2014, 2018 e 2022, este post investiga como o mercado revisa cenários macroeconômicos ao longo do tempo.

Como Medir o Ciclo das Concessões de Crédito usando Python

Este exercício apresenta uma análise quantitativa da relação entre o ciclo de concessões de crédito, a atividade econômica e a política monetária no Brasil. Utilizando a linguagem Python, o estudo aplica técnicas de decomposição de séries temporais (X13-ARIMA e Filtro HP) para isolar os componentes cíclicos dos dados. Os resultados da modelagem econométrica confirmam a pró ciclicidade do crédito em relação ao hiato do produto e sua sensibilidade às variações no hiato da taxa de juros real.

Choque de juros e renda em bens duráveis e não duráveis usando Python

Este artigo analisa a dinâmica do consumo no Brasil utilizando Python e modelos de Vetores Autorregressivos (VAR). Ao segregar bens duráveis e não duráveis, o estudo quantifica a sensibilidade a choques de juros e renda. Criamos todo o processo através do ciclo de dados: coleta, tratamento, análise de dados, modelagem e apresentação dos resultados, tudo automatizado usando a linguagem Python.

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.