Expectativa para o PIB em 2020 segue trajetória de deterioração

No nosso Curso de Análise de Conjuntura usando o R, nós ensinamos nossos alunos a coletar, tratar e visualizar dados macroeconômicos. Entre estes, está a análise dos dados contidos no boletim Focus, que é divulgado toda segunda-feira pelo Banco Central. A seguir, ilustramos como é possível pegar diversos dados do boletim com o pacote rbcb, como no exemplo abaixo.


library(rbcb)
data = get_annual_market_expectations(c('PIB Total', 'IPCA',
'Taxa de câmbio',
'Meta para taxa over-selic'),
start_date = '2019-01-01')

Com os dados importados, nós podemos visualizá-los como no gráfico abaixo.

A expectativa média para crescimento em 2020 segue se deteriorando, ficando agora em -6,46%, com um desvio-padrão ainda alto de 1,39 pontos percentuais. Já a expectativa para a inflação está agora em 1,55%, o câmbio no final do ano está em 5,22 R$/US$ e a taxa básica de juros em 2,18%. Abaixo, os desvios-padrão dessas expectativas.

As expectativas para o PIB e para a taxa de Câmbio seguem cercadas de grande incerteza, dada a dificuldade de extrair algum sinal confiável do ambiente econômico.

 

(**) 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 um Dashboard de análise de Ações no Python

Um Dashboard é um painel de controle que consolida uma variedade de informações sobre um determinado objeto de estudo em um ou mais painéis. Ele simplifica significativamente o processo de análise de dados, oferecendo uma visão global e fácil de entender. Uma maneira simples de construir um Dashboard para acompanhar uma ação específica é utilizando duas ferramentas: Quarto e Python. Neste post, mostramos o resultado da criação de um Dashboard de Ação.

Analisando séries temporais no Python e esquecendo de vez o Excel

Séries temporais representam uma disciplina extremamente importante em diversas áreas, principalmente na economia e na ciência de dados. Mas, afinal, como lidar com esses dados que se apresentam ao longo do tempo? Neste exercício, demonstraremos como compreender uma série temporal e como o Python se destaca como uma das melhores ferramentas para analisar esse tipo de dado.

Cálculo do Retorno Econômico de uma Política Pública

Como podemos traduzir os efeitos de uma política pública para valores monetários? Essa é uma tarefa árdua que requer algumas premissas, entretanto, com métodos bem definidos, é possível obter estimativas precisas dos ganhos e os gastos de uma política pública.

Neste exercício, demonstramos tal método usando a política hipotética "Mãe Paranense”, um conjunto de ações que visam reduzir a mortalidade materna e infantil no estado. Usamos a linguagem R como ferramenta para analisar os 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.