Estamos virando a página da recessão?

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Vivemos uma das mais longas e profundas recessões da nossa história. Imagino que você, tanto quanto eu, queira virar essa página. Mas estamos perto da virada?

A melhora dos indicadores de confiança é um dos primeiros sinais de reversão da atividade econômica, porém também pode mostrar “falsos positivos”. Foi isto que aconteceu com os índices agregados em meados do ano passado.

Agora, os índices entraram em uma fase de recuperação que aparenta ser mais sólida. Todas as sondagens divulgadas pela FGV esta semana mostraram crescimento em março, confirmando tendência positiva nos últimos três meses. A sondagem da indústria, por exemplo, subiu 3,3%, atingindo o maior patamar desde maio de 2014. A recuperação é difundida entre os diversos setores considerados nas pesquisas.

A melhora de indicadores macroeconômicos nos últimos meses aumenta a esperança de que estejamos, enfim, saindo do fundo do poço. Pelo lado do consumidor, a rápida queda da inflação alivia a perda de poder de compra. E a liberação das contas inativas do FGTS não deixa de ser uma ajuda ao consumo e à redução do endividamento. Pelo lado das empresas, a trajetória declinante de juros reduz o custo de capital.

 

Será que enfim estamos diante da recuperação econômica?

 

Após o impeachment da presidente Dilma Rouseff, os indicadores captaram rápido crescimento da confiança. Entretanto eles eram quase exclusivamente formados por expectativas quanto ao futuro, sem respaldo na situação presente da economia. O caso mais claro é o da confiança do consumidor, conforme o gráfico abaixo.

No fim de 2016 houve certa “correção” do excesso de otimismo e, desde então, os índices ensaiam nova recuperação. Neste ciclo atual as expectativas ainda são o principal driver de alta, mas a “situação atual” começou a reagir. As intenções de compras de bens duráveis subiram, o estoque da indústria está mais ajustado e os índices de emprego deixaram de piorar. Mas note que os índices de confiança ainda estão muito baixos quando comparados às médias históricas, próximas de 100 pontos.

Em suma, as mudanças no ambiente macroeconômico e a recuperação mais disseminada na abertura das sondagens de confiança aumentam as chances de que estejamos no turning point da atividade econômica. Mas vale deixar claro que a retomada da economia só será possível se combatermos diversos desafios, como o desarranjo fiscal do governo e a incerteza politica. Por enquanto, o desemprego tende a aumentar e o consumo a retomar força de forma muito lenta.

Ainda podemos ter vários percalços. Tomara que eles não nos impeçam de sermos içados do poço.

 

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Analisando o sentimento da política monetária com IA usando Python

Análise de sentimentos é uma técnica de Processamento de Linguagem Natural (PLN) que serve para revelar o sentimento contido em um texto. Neste exercício, aplicamos esta técnica para analisar as atas das reuniões do COPOM, revelando o que os diretores de política monetária discutem nas entrelinhas. Utilizando um modelo de Inteligência Artificial através do Python, produzimos ao final um índice de 0 a 100 para sintetizar a análise histórica.

Como a IA pode auxiliar na otimização de Portfólio de Investimentos?

A construção de portfólio ótimo refere-se ao processo de alocar eficientemente capital entre um conjunto predefinido de ativos ou títulos. O campo da construção de portfólio tem sido extensivamente estudado por acadêmicos e profissionais desde a década de 1950, quando Markowitz introduziu sua inovadora abordagem de média-variância para a construção de portfólio. Diante disso, podemos melhorar o processo de alocação de peso de um investimento em um portfólio através do Aprendizado não supervisionado com a aplicação do Hierarchical Risk Parity (HRP). Neste exercício, realizamos uma introdução ao método e mostramos os resultados de um exemplo criado através do Python.

Prevendo múltiplas séries usando IA no Python

Como podemos realizar previsões para várias séries temporais simultaneamente? Para abordar essa questão, empregamos a biblioteca MLForecastdo Python. Esta biblioteca disponibiliza uma variedade de modelos e funcionalidades para realizar previsões em séries temporais utilizando técnicas de aprendizado de máquina. Demonstramos sua aplicação ao prever as curvas de energia horária em quatro regiões distintas do Brasil.

Esse exercício é uma continuação do exercício “Usando IA para prever o consumo de energia no Brasil com Python”.

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.