Crescimento esperado para 2020 começa a cair

Nas semanas anteriores, o IBGE divulgou os dados de nível de atividade das pesquisas de alta frequência (PMC, PMS e PIM-PF) referentes a dezembro. O Banco Central também divulgou o seu indicador de nível de atividade, o IBC-Br. Os resultados foram negativos na margem, mostrando uma dissipação dos efeitos do FGTS no quarto trimestre. Com efeito, há um início de revisão pelas instituições participantes do boletim Focus na expectativa de crescimento para esse ano.

Há uma semana era esperado crescimento de 2,3% para 2020. Agora, o crescimento está em torno de 2,23%. A piora nos indicadores de nível de atividade mostra que a recuperação da economia brasileira ainda é bastante incipiente. Corrobora com esse cenário a permanência dos núcleos de inflação no limite inferior da meta.

Esse cenário de atividade fraca e núcleos inflação mostrando ociosidade ainda elevada começa a levar a uma revisão na expectativa de juros para o ano que vem. Os participantes do TOP5 Médio Prazo já enxergam uma taxa de juros de 5,75% no final de 2021, abaixo dos 6,25% que eram projetados há quatro semanas. A mediana do mercado também revisou a expectativa para 6% na semana passada.

A semana, por fim, é marcada pela divulgação do IPCA-15 e pelos dados do CAGED.

(*) Isso e muito mais você aprende em nossos Cursos Aplicados de R.

___________


Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

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.