Análise do IBC-Br com o R

A deflação de setembro e a divulgação da POF 2017-2018, que traz novos pesos para os grupos do IPCA, trouxeram revisões importantes para a inflação nesse e no próximo ano. A expectativa para a inflação medida pelo IPCA em 2019 caiu de 3,42% para 3,28%, enquanto para o ano que vem a revisão foi de 3,78% para 3,73%. Esse último dado deve cair mais, à medida que as instituições avaliem melhor o impacto deflacionário da POF no ano que vem. Em outras palavras, há uma avenida aberta para a redução da Selic.

Hoje, a propósito, o Banco Central divulgou o seu IBC-Br, que busca avaliar o nível de atividade com base em pesquisas de periodicidade mensal. É um espécie de sumário das pesquisas recém divulgadas: PIM-PF, PMS e PMC. A tabela abaixo resume os dados do índice nos últimos três meses.

Variação do IBC-Br (%)
Mensal Trimestral Interanual Anual
Jun/19 0,32 -0,14 -1,47 1,15
Jul/19 -0,07 0,92 1,62 1,13
Ago/19 0,07 0,90 -0,73 0,87

Como se vê, o resultado de agosto mostra por um lado um avanço na margem - contra o mês anterior - e uma retração na comparação interanual - contra o mesmo mês do ano anterior. No acumulado em 12 meses, o índice cresceu 0,87% até agosto, na comparação com os 12 meses anteriores. Abaixo, um resumo da evolução das principais métricas calculadas a partir dos números-índices do IBC-Br.

 

No nosso Curso de Análise de Conjuntura usando o R, nós temos uma apresentação completa sobre como tratar o índice. Ela está disponível aqui.

________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como tratar dados no Python? Parte 5: renomeando colunas

Como dar novos nomes significativos para as colunas em uma tabela de dados usando Python? Neste tutorial mostramos os métodos de renomeação de colunas disponíveis na biblioteca pandas, que tem como vantagem sua sintaxe simples e prática.

Como tratar dados no Python? Parte 4: operações por grupos

Como mensalizar dados diários? Ou como filtrar os valores máximos para diversas categorias em uma tabela de dados usando Python? Estas perguntas são respondidas com os métodos de operações por grupos. Neste tutorial mostramos estes métodos disponíveis na biblioteca pandas, que tem como vantagem sua sintaxe simples e prática.

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.