Expectativa de crescimento em 2020 estaciona em -6,5%

As expectativas de crescimento nesse ano parecem que, de fato, encontraram um limite próximo a -6,5%. Tudo indica que se não ocorrer uma segunda onda de infecções deverá ocorrer surpresas positivas para o crescimento no segundo semestre. Um dado que reforçou essa expectativa é o da produção industrial, que após recuar 18,8% em abril, cresceu 6,9% na margem. Ainda é cedo para dizer que isso sinaliza uma recuperação em "V", mas parece ser suficiente para "estancar" o pessimismo.

Na comparação interanual, a produção industrial continuou no terreno negativo em maio, com -21,8%, após registrar 27,3% em abril.

A produção de veículos de junho, divulgada hoje pela manhã, vai na direção da recuperação na margem, com avanço de 129% na comparação com maio. A recuperação ainda é lenta, tomada como métrica a comparação interanual, que ainda registra variação negativa (-57,6% na comparação com junho de 2019).

A semana é marcada pela divulgação de dados do CAGED, vendas no varejo, serviços e IPCA.

Os dados aqui referidos são coletados de forma automática com o R.

_______________

(**) Isso e muito mais você aprende no nosso Curso de Análise de Conjuntura usando o 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.