Relatório AM #12 - PIM-PF

No Relatório AM dessa semana, vamos visualizar os movimentos recentes da PIM-PF e apresentar os resultados de nossas previsões para as próximas duas observações desse índice, baseados em modelos estatísticos de ponta. Abaixo, reportamos a pesquisa em suas três principais divisões, e também o índice da indústria automotiva, que possui grande influência sobre o total. Como podemos ver, tal setor ainda não se recuperou, especialmente em comparação com o geral da indústria de transformação, como resultado de choques de oferta na cadeia de produção de veículos.

Também podemos observar as diferenças nos comportamentos de cada índice em sua variação interanual. É interessante notar a natureza mais volátil da indústria extrativa, enquanto que a de automóveis, que era particularmente estável até a pandemia, teve um congelamento quase total, o que causa números tão grandes em seu gráfico.

Para finalizar, apresentamos abaixo os resultados de nosso modelo de previsão para a variação interanual da indústria geral.

________________________

(*) Para entender mais sobre nível de atividade e análise de conjuntura econômica, confira nosso Curso de Análise de Conjuntura usando o R - Versão 5.0.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como coletar dados para relatórios de câmbio com Python

O monitoramento do mercado cambial permite tomar melhores decisões de consumo e investimento, por sua influência em diversos preços da economia. Neste artigo, mostramos rotinas simples de Python para coleta e análise de dados que são comumente utilizados em relatórios de câmbio.

Sumarizando divulgações trimestrais de empresas usando IA no Python

Neste exercício, iremos utilizar a inteligência artificial no Python para analisar e sumarizar divulgações trimestrais de empresas. Focaremos no uso de ferramentas como Gemini e técnicas de processamento de linguagem natural para extrair informações de documentos PDF relacionados aos relatórios financeiros das empresas.

Prevendo efeitos de mudanças de preços em produtos usando TimeGPT

O exercício explora como prever os efeitos de mudanças nos preços de produtos utilizando o TimeGPT, uma ferramenta de previsão de séries temporais no Python. Usando elasticidade-preço, é possível medir a resposta da demanda a variações de preço. O exemplo prático utiliza dados de vendas de abacates nos EUA.

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.