Nível de Incerteza sem precedentes no Brasil

A Fundação Getúlio Vargas divulgou o seu índice de incerteza econômica referente ao mês de março. O índice subiu para 167 pontos, o valor máximo da série histórica, como pode ser visto no gráfico abaixo. Nem mesmo os momentos mais tensos cobertos pelo índice, como a eleição de 2002 e a crise de 2008, chegam perto do nível de incerteza que estamos vivendo nesse momento.


library(readxl)
library(lubridate)
library(magrittr)
library(dplyr)
library(ggplot2)
library(scales)

iie = read_excel('iie.xls', skip=8) %>%
mutate(date = seq(as.Date('2000-01-01'), as.Date('2020-03-01'),
by='1 month')) %>%
select(date, '1')
colnames(iie) = c('date', 'value')

ggplot(iie, aes(x=date, y=value))+
annotate("rect", fill = "lightblue", alpha = 0.7,
xmin = as.Date('2002-06-01'),
xmax = as.Date('2002-12-01'),
ymin = -Inf, ymax = Inf)+
annotate("rect", fill = "lightblue", alpha = 0.7,
xmin = as.Date('2008-06-01'),
xmax = as.Date('2009-01-01'),
ymin = -Inf, ymax = Inf)+
annotate("rect", fill = "lightblue", alpha = 0.7,
xmin = as.Date('2020-01-01'),
xmax = as.Date('2020-04-01'),
ymin = -Inf, ymax = Inf)+
annotate("rect", fill = "lightblue", alpha = 0.7,
xmin = as.Date('2015-06-01'),
xmax = as.Date('2015-10-01'),
ymin = -Inf, ymax = Inf)+
geom_line(size=.8)+
scale_x_date(breaks = date_breaks("1 year"),
labels = date_format("%Y"))+
theme(axis.text.x=element_text(angle=45, hjust=1),
plot.title = element_text(size=10, face='bold'))+
labs(x='', y='Índice',
title='Índice de Incerteza Econômica da FGV',
caption='Fonte: analisemacro.com.br com dados da FGV')

Não há paralelo, que seja coberto pelos dados, com o que estamos vivendo.

(*) 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

O papel da credibilidade do Banco Central na desinflação da economia

O objetivo deste trabalho é mensurar a credibilidade da política monetária brasileira através de diferentes métricas e verificar empiricamente se uma maior credibilidade contribui para a redução da inflação. Realizamos a modelagem econométrica usando o pacote {systemfit} disponível na linguagem. Ao fim, criamos um relatório reprodutível com a combinação Quarto + R.

Análise de Criptomoedas com Python

Aprenda a estruturar um pipeline de dados financeiros com Python. Ensinamos a construção de um dashboard automatizado para coleta, tratamento e visualização de criptomoedas via API.

Como Construir um Monitor de Política Monetária Automatizado com Python?

Descubra como transformar dados do Banco Central em inteligência de mercado com um Monitor de Política Monetária Automatizado. Neste artigo, exploramos o desenvolvimento de uma solução híbrida (Python + R) que integra análise de sentimento das atas do COPOM, cálculo da Regra de Taylor e monitoramento da taxa Selic. Aprenda a estruturar pipelines ETL eficientes e a visualizar insights econômicos em tempo real através de um dashboard interativo criado com Shiny, elevando o nível das suas decisões de investimento.

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.