Depreciação cambial ainda não preocupa

O boletim Focus divulgado agora há pouco trouxe poucas novidades. O destaque é que, pela quarta semana seguida, a mediana das instituições consultadas corrigiu a expectativa para a taxa de câmbio R$/US$ no final do ano. Agora, espera-se que o câmbio feche próximo a 3,87 R$/US$. A despeito disso, a inflação esperada segue em queda, agora esperada em 3,54% para o ano de 2019. O motivo disso é que o repasse cambial parece estar sendo compensado pela queda dos preços de commodities e, obviamente, pela ociosidade ainda grande da economia.

Para a semana, o destaque é a divulgação da Pesquisa Mensal do Comércio na quarta e da Pesquisa Mensal de Serviços na quinta-feira. Ambas as pesquisas contam com scripts automáticos que são detalhados em nosso Curso de Análise de Conjuntura usando o R. Maiores detalhes sobre o boletim Focus, veja nossa apresentação automática aqui.

Para nossos alunos do plano premium e para todos os assinantes do Clube do Código, a Edição 48 constrói um modelo que busca medir o repasse cambial para a inflação. Em média, a cada 10% de desvalorização, estimamos um repasse de 0,56 p.p. em um trimestre. Como dito acima, entretanto, esse repasse não é automático, uma vez que pode ser compensado pela ociosidade da economia e por outros fatores como preços de commodities.

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.