Relatório AM #32 - IPCA

Inflação medida pelo IPCA

No Relatório AM de hoje, iremos comentar sobre o IPCA. O índice é utilizado como principal indicador de acompanhamento de inflação no Brasil. É também utilizado como referência pelo Banco Central para acompanhamento das metas de inflação anuais.

IPCA Mensal

Na variação mensal, referente ao mês de novembro em relação a outubro, o IPCA configurou uma variação positiva de 0,95%, ditando os rumos para que a inflação acumulada no ano feche com dois dígitos.

 

Inflação acumulada

O índice acumulado em 12 meses configurou em uma variação de 10,74%. Podemos compará-la com as metas de inflação e a média dos núcleos de inflação, esta configurando o valor de 7,07%.

Grupos do IPCA

Em relação aos grupos do IPCA, vemos que o Transporte ainda persiste em uma grande contribuição para o aumento do IPCA. Por outro lado, Alimentação e bebidas, Saúde e Cuidados Pessoais, tiveram uma variação negativa no mês.

 

Como criar uma análise como esta?

Quer aprender a coletar, tratar e calcular dados sobre a inflação? Confira nosso Curso de Análise de Conjuntura no R.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Analisando o sentimento da política monetária com IA usando Python

Análise de sentimentos é uma técnica de Processamento de Linguagem Natural (PLN) que serve para revelar o sentimento contido em um texto. Neste exercício, aplicamos esta técnica para analisar as atas das reuniões do COPOM, revelando o que os diretores de política monetária discutem nas entrelinhas. Utilizando um modelo de Inteligência Artificial através do Python, produzimos ao final um índice de 0 a 100 para sintetizar a análise histórica.

Como a IA pode auxiliar na otimização de Portfólio de Investimentos?

A construção de portfólio ótimo refere-se ao processo de alocar eficientemente capital entre um conjunto predefinido de ativos ou títulos. O campo da construção de portfólio tem sido extensivamente estudado por acadêmicos e profissionais desde a década de 1950, quando Markowitz introduziu sua inovadora abordagem de média-variância para a construção de portfólio. Diante disso, podemos melhorar o processo de alocação de peso de um investimento em um portfólio através do Aprendizado não supervisionado com a aplicação do Hierarchical Risk Parity (HRP). Neste exercício, realizamos uma introdução ao método e mostramos os resultados de um exemplo criado através do Python.

Prevendo múltiplas séries usando IA no Python

Como podemos realizar previsões para várias séries temporais simultaneamente? Para abordar essa questão, empregamos a biblioteca MLForecastdo Python. Esta biblioteca disponibiliza uma variedade de modelos e funcionalidades para realizar previsões em séries temporais utilizando técnicas de aprendizado de máquina. Demonstramos sua aplicação ao prever as curvas de energia horária em quatro regiões distintas do Brasil.

Esse exercício é uma continuação do exercício “Usando IA para prever o consumo de energia no Brasil com Python”.

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.