Vendo o crescimento do PIB dos EUA em 2020Q1 com o R

Hoje foi divulgado o crescimento do PIB dos Estados Unidos no primeiro trimestre. Houve uma contração anualizada de 4,8%, na comparação com o último trimestre do ano passado. Como ensinamos na parte de Economia Internacional do nosso Curso de Análise de Conjuntura usando o R, é possível pegar os dados do PIB dos Estados Unidos diretamente da base de dados FRED Data. O código a seguir operacionaliza.


library(tidyverse)
library(quantmod)
library(timetk)
getSymbols('A191RL1Q225SBEA', src='FRED')
gdp_change = tk_tbl(A191RL1Q225SBEA,
preserve_index = TRUE, rename_index = 'date')

Observe que eu já estou pegando a variação do PIB em termos anualizados a partir da função getSymbols do pacote quantmod. Com o tibble devidamente organizado com a função tk_tbl do pacote timetk, nós podemos gerar o gráfico abaixo.


filter(gdp_change, date > '1987-01-01') %>%
ggplot(aes(x=date))+
geom_line(aes(y=A191RL1Q225SBEA), size=.8, colour='darkblue')+
geom_hline(yintercept=0, colour='red', linetype='dashed')+
scale_x_date(breaks = date_breaks("1 year"),
labels = date_format("%Y"))+
theme(axis.text.x=element_text(angle=45, hjust=1))+
labs(x='', y='Percent Change from Preceding Period',
title='US Real Gross Domestic Product',
caption = 'Fonte: analisemacro.com.br com dados do FRED Data')

____________________

(*) Isso e muito mais você aprende em 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 criar um Agente de IA analista de dados

Agentes de IA podem automatizar a coleta, tratamento e análise de indicadores econômicos, entregando insights prontos para a tomada de decisão. Combinando modelos de linguagem (LLM) avançados com ferramentas de acesso a dados, é possível construir soluções que buscam informações em tempo real e as processam de forma autônoma. Neste post mostramos uma visão geral sobre como isso tudo funciona.

Como Criar um Agente Analista Financeiro com LangGraph e Dados da CVM

Este post apresenta a construção de um sistema multiagente para análise financeira automatizada com LangGraph. A partir dos dados das demonstrações contábeis da CVM, mostramos como agentes especializados podem interpretar perguntas, consultar bancos de dados e gerar análises financeiras, simulando o trabalho de um analista.

O que é e como funcionam Sistemas Multi-Agentes

Sistemas multi-agentes (MAS) representam uma nova forma de estruturar aplicações de inteligência artificial, especialmente úteis para lidar com problemas complexos e distribuídos. Em vez de depender de um único agente generalista, esses sistemas são compostos por múltiplos agentes especializados que colaboram, competem ou se coordenam para executar tarefas específicas. Neste post, explicamos o que são os MAS, seus principais componentes (como LLMs, ferramentas e processos) e as arquiteturas mais comuns.

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.