O inverno chegou

A Pesquisa Mensal de Emprego (PME) de maio, divulgada hoje pelo IBGE, mostrou um avanço do desemprego para 6,7% da PEA. O número veio 0,3 p.p. acima da média dos modelos que estimamos e 0,1 p.p. acima do modelo que mais acertou até aqui. Em relação ao último dado do ano passado, o desemprego aumentou 2,4 p.p. ou, em termos absolutos, 582 mil pessoas passaram à condição de desocupados nos últimos cinco meses. Com efeito, a renda nominal passou a apresentar crescimento menor, hoje bem inferior, diga-se, à inflação. No último dado disponível, a renda nominal cresceu 3,5% na comparação interanual e a renda real, -5%. O inverno,  leitor, definitivamente, chegou para a economia brasileira.

grafico1

A combinação entre maior crescimento da população economicamente ativa e menor crescimento da população ocupada tem explicado esse aumento do desemprego em 2015. Este só não tem sido maior porque a queda da população ocupada tem sido compensada pela parcela "sem carteira", isto é, o emprego informal. A tabela abaixo resume algumas estatísticas, na abertura interanual, média móvel trimestral e média móvel de 12 meses.

PME/IBGE (%)
InterAnual MM3 MM12
PIA 0,8 0,8 1,0
PEA 1,2 0,8 -0,2
PNEA 0,3 0,7 2,6
PO -0,7 -0,8 -0,4
PO_PRIVADO_CARTEIRA -1,8 -1,6 -0,6
PO_CARTEIRA -2,1 -1,8 -0,6
PO_SEMCARTEIRA -1,0 -1,5 -4,2
PD..p.p.. 1,8 1,5 -0,6
RENDA_REAL -5,0 -3,6 0,6
RENDA_NOMINAL 3,5 4,8 7,8
MASSA_REAL -5,7 -4,4 0,2

A análise é complementada pelos gráficos, na abertura interanual.

Variação InterAnual (%)
Variação InterAnual (%)

Uma primeira suavização, com a média móvel trimestral é posta abaixo.

Média móvel trimestral (%)
Média móvel trimestral (%)

E agora, a média móvel de 12 meses...

grafico4
Média móvel de 12 meses (%)

Observa-se que, na margem, a renda mostra sinais de cansaço, diante do aumento do desemprego. Isso tem efeito direto sobre a inflação de serviços, ainda que de forma muito lenta, dada a elevada inércia existente nesse setor. A análise global das séries, de outra forma, nos permite dizer que o mercado de trabalho sentiu o baque do crescimento econômico. Notadamente no que tange ao aumento da população economicamente ativa. Essa era uma variável que vinha impedindo o avanço mais contundente do desemprego até o ano passado.

grafico5

grafico6
Taxa de Desemprego média por cada mês. Em azul, o desemprego em 2015.

O aumento do desemprego este ano, na magnitude de 2,4 p.p., só é similar a 2003, época também de ajuste, por conta do overshooting cambial. A despeito disso, como pode ser visto nos gráficos acima, o desemprego ainda se mantém abaixo das médias históricas mensais. Ademais, observa-se que dada a sazonalidade, devemos observar algum recuo do desemprego no segundo semestre, mas a média do ano deve se situar bem acima da de 2014, quando foi de 4,8%.

Para detalhes sobre as nossas projeções ou estudos mais detalhados sobre o mercado de trabalho, em particular sobre a renda, consulte-nos. 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Calculando o impulso de crédito no Python

Qual é o papel do crédito no crescimento da economia? Para analisar esta questão, calculamos o indicador de impulso de crédito para a economia brasileira e comparamos com o nível da atividade econômica usando o Python.

Analisando a Volatilidade de Longo Prazo do Ibovespa usando Python

Com base no modelo GARCH(1,1), realizamos realizar a modelagem da variância condicional dos log retornos diários do Ibovespa, abrangendo o período de janeiro de 2018 até dezembro de 2023. O objetivo principal é compreender a implementação desse modelo utilizando a linguagem de programação Python, além de conduzir uma análise do mercado acionário brasileiro ao longo do período amostral.

Ao concluirmos este exercício, teremos a capacidade de obter uma medida representativa da variância de longo prazo da série temporal. Essa medida poderá ser comparada com a variância histórica, permitindo-nos inferir se a volatilidade presente está atualmente inferior ou superior àquela projetada para o futuro. Essa análise contribuirá para uma melhor compreensão da dinâmica da volatilidade no mercado acionário brasileiro.

Construindo uma NAIRU para o Brasil usando Python

Um dos maiores desafios para aqueles que trabalham com dados econômicos é aliar a prática com a teoria. Para tanto, o uso do Python pode facilitar esse desafio, permitindo construir todos os passos de uma análise de dados. Demonstramos o poder da linguagem tomando como exemplo a construção da NAIRU para o Brasil.

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.