Análise do Boletim Focus com o R

O Relatório Focus divulgado agora há pouco pelo Banco Central trouxe poucas novidades, como mostra o quadro abaixo. A expectativa para o crescimento em 2019 se manteve em 0,92%, enquanto para a inflação é de 3,31%. O câmbio flerta com os 4 R$/US$ e a expectativa é de mais uma redução de 50 pontos-base na taxa Selic, o que levará a mesma para 4,5% no final do ano.

A semana é marcada, por suposto, pela divulgação de dois dados importantes de nível de atividade: a pesquisa do comércio varejista e a de serviços. Elas complementam a produção industrial, divulgada na semana passada. No geral, a expectativa é para um 3º tri razoável, com alta de até 0,5% na margem.

_____________________

(*) Uma apresentação do boletim Focus em RMarkdown está disponível aqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Usando IA para construir uma estratégia de investimentos no Python

“‘Aprender com os dados’ é uma definição fundamental dos modelos de aprendizado de máquina. Mas e se pudéssemos aplicar esse conceito às estratégias de investimento? Aqui, vamos explorar exatamente isso. Vamos introduzir um exercício de Python que utiliza Deep Neural Networks (DNNs) para prever os movimentos do mercado financeiro, com base em valores históricos de log-retornos como dados de entrada.

Usando IA para prever o consumo de energia no Brasil com Python

Neste exemplo mostramos o poder da IA, especificadamente o uso de modelos de Machine Learning de Séries Temporais, para prever os valores da Curva de Carga Horária de Energia Elétrica do Sudeste disponibilizada pela ONS. Para realizar as previsões, além dos modelos, empregamos métodos de machine learning já conhecidos, como cross-validation, usando a biblioteca MlForecast do Python.

Controle Sintético: Lei Anti Fumo na Califórnia

O que é Controle Sintético e como podemos utilizar essa ferramenta para auxiliar no estudo da avaliação de impacto? Neste post, oferecemos uma breve introdução a esse importante método da área de inferência causal, acompanhado de um estudo de caso para uma compreensão mais aprofundada de sua aplicação. Os resultados foram obtidos por meio da implementação em Python, como parte integrante do nosso curso sobre Avaliação de Políticas Públicas utilizando esta linguagem de programação.

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.