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

Decomposição do Impulso de Crédito no Brasil usando Python

Neste exercício, mostramos como o Python pode ser utilizado para calcular uma métrica central para a compreensão da dinâmica entre crédito e atividade econômica no Brasil, a partir de um ciclo completo e altamente reprodutível de coleta, tratamento e análise de dados.

Aplicando o Time Series Transformer para prever inflação (IPCA)

Neste exercício, exploramos a previsão de séries temporais utilizando o Temporal Fusion Transformer (TFT). O TFT é uma arquitetura de Deep Learning baseada em mecanismos de atenção, desenhada especificamente para lidar com múltiplas variáveis e horizontes de previsão longos, mantendo a interpretabilidade — uma característica frequentemente ausente em modelos de "caixa-preta".

Análise do Payroll norte-americano com Python

O Payroll norte-americano é o termômetro da economia global. No post de hoje, mostro como analisar esse indicador usando Python e as bibliotecas Pandas e Plotnine. Saia do básico e aprenda a visualizar a geração de empregos nos EUA de forma profissional.

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.