Vamos desestatizar o mercado de crédito?

O novo ministro da economia, Paulo Guedes, ao tomar posse fez questão de mencionar a atual estrutura do mercado de crédito brasileiro. Guedes falou da necessidade de desestatizar o mercado. E será que faz sentido o que o ministro disse? Para mostrar, assim como fazemos em nossos Cursos Aplicados de R, podemos usar o R para ver o estoque de crédito na mão de instituições estatais e privadas. O código abaixo pega as séries de crédito para essas diferentes classes de instituições com o pacote rbcb.

library(rbcb)
privado <- get_series(2043, start_date = '2000-01-01')
estatal <- get_series(2007, start_date = '2000-01-01')

Uma vez que tenhamos esses dados, criamos um data frame dividindo as mesmas pelo total de estoque de crédito.

dates <- seq(as.Date('2000-01-01'), as.Date('2018-11-01'), by='1 month')

data <- data.frame(privado=privado$`2043`/(estatal$`2007`+privado$`2043`)*100,
                   estatal=estatal$`2007`/(estatal$`2007`+privado$`2043`)*100)

Utilizamos, então, o pacote xts para ordenar o data frame e depois a função melt para empilhar os dados.

library(xts)
library(reshape2)
data <- xts(data, order.by=dates)
data <- data.frame(time = index(data), melt(as.data.frame(data)))

Por fim, usamos o código abaixo para criar um gráfico ggplot.

library(scales)
library(ggplot2)
ggplot(data, aes(x = time, y = value)) + 
  geom_area(aes(colour = variable, fill = variable))+
  xlab('')+ylab('Participação Percentual')+
  labs(title='Crédito Estatal vs. Crédito Privado',
       caption='Fonte: analisemacro.com.br com dados do Banco Central.')+
  theme(legend.position = 'bottom',
        legend.title=element_blank())+
  scale_x_date(breaks = date_breaks("2 years"),
               labels = date_format("%Y"))

E o resultado é esse daí...

O gráfico parece dar razão a fala do novo ministro da economia. Mais da metade do estoque de operações de crédito no país está nas mãos de instituições estatais, sujeitas a incentivos distintos daqueles observados no mercado. Desestatizar o mercado de crédito parece ser, de fato, algo a se fazer, não é mesmo?

________________________________________________

Aprenda a coletar, tratar, analisar e apresentar dados reais em nossos Cursos Aplicados de R!

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Resultado PIMPF - Novembro/2024

Resumo A Análise Macro apresenta os resultados da PIMPF de Novembro de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados.

Resultado PIB - 3° Trimestre/2024

A Análise Macro apresenta os resultados da PIB 3º trimestre de 2024, com gráficos e tabelas elaborados em Python para coleta, tratamento e visualização de dados.

Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.

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.