Análise da Produção Industrial no Python

A Pesquisa Mensal da Indústria (PIM-PF) é um dos principais indicadores de acompanhamento do produto real das indústrias extrativa e de transformação, e é extremamente útil para entender o comportamento conjuntural da economia do país. No post de hoje, mostramos como é possível utilizar o Python para criar uma breve análise do indicador.

Através da PIM-PF é possível averiguar o volume de bens produzidos pelo setor industrial do país. Ao construir cálculos de variações do volume, é possível entender a conjuntura do país.

O indicador pode ser buscado através do Sidra, repositório de acesso de dados das pesquisas realizados pelo IBGE. É extremamente fácil de realizar a importação de dados do Sidra através do Python, no qual ensinamos todos os passos através do Clube AM, onde disponibilizamos o código e o vídeo comentado. Também ensinamos toda a teoria e prática da Análise da PIM-PF no curso Análise de Conjuntura usando o R.

Abaixo, temos o gráfico da variação acumulada em 12 meses do indicador desde 2002.

________________________________________

Quer saber mais?

Veja nossos cursos de Macroeconomia através da nossa trilha de Macroeconomia Aplicada.

Faça parte também do nosso grupo especial de compartilhamento de códigos Clube AM

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como choques inflacionários afetam a previsão da Selic?

Como mensurar a importância de choques na inflação sobre o erro de previsão da taxa de juros? Neste exercício quantificamos esta pergunta sob a ótica de um modelo VAR, usando dados recentes da macroeconomia brasileira. Especificamente, estimamos a decomposição da variância dos erros de previsão do modelo, analisando choques na inflação da gasolina e sua importância sobre a variância dos erros de previsão da taxa Selic.

Modelo de previsão para o preço da gasolina

Neste exercício exploramos os dados públicos sobre o preço da gasolina no Brasil, sua composição, evolução temporal, políticas associadas e, por fim, construímos um modelo simples de previsão. Com um modelo em mãos, o analista pode cenarizar o comportamento futuro da série da forma como preferir. Todos os procedimentos foram feitos usando a linguagem de programação 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.