Relatório AM #9 - PMS

No Relatório AM dessa semana, iremos apresentar a perspectiva do setor de serviços nos últimos meses, e estimar previsões da PMS para o curto prazo. Como podemos ver na tabela abaixo, o setor de serviços foi o mais impactado pela pandemia, com uma queda dura causada pelo lockdown e medidas restritivas. O resultado que podemos extrair é de que, enquanto outros setores apresentaram redução de produção no estágio inicial da pandemia mas logo voltaram a estar ativos, o setor de serviços teve alguns meses adicionais de resfriamento, dado que as pessoas mudaram seu comportamento de consumo durante a pandemia. Com isso, enquanto a variação marginal da PMS está parecida com das outras pesquisas, a anual continua em nível ruim, pois o crescimento está ocorrendo a partir de um nível bem inferior ao pré-pandemia.

Uma consequência da produção do setor abaixo do normal é a (falta de) pressão sobre preços. O resultado teórico esperado é de que, como o setor de serviços não está aquecido, os choques que acarretam no alto nível de inflação atual teriam efeito reduzido sobre tais preços. Como podemos ver abaixo, com gráfico extraído do nosso monitor de inflação, serviços está tendo um comportamento diferenciado, com nível de inflação relativamente estável.

 

Para finalizar, vamos apresentar as estimativas para os próximos meses da PMS. O modelo utiliza tendências extraídas do Google Trends para prever os valores da variação anual da PMS, fazendo a previsão de um ARIMA sobre a série, utilizando componentes principais extraídos de um conjunto de pesquisas do Google Trends. As estimativas para os próximos meses a serem lançados (maio, junho e julho) são de cerca de -3.6%, -2.1% e -0.6%, como podemos ver abaixo:

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Aplicando o Time Series Transformer para prever inflação (IPCA)

Neste exercício, exploramos a previsão de séries temporais utilizando o Temporal Fusion Transformer (TFT). O TFT é uma arquitetura de Deep Learning baseada em mecanismos de atenção, desenhada especificamente para lidar com múltiplas variáveis e horizontes de previsão longos, mantendo a interpretabilidade — uma característica frequentemente ausente em modelos de "caixa-preta".

Análise do Payroll norte-americano com Python

O Payroll norte-americano é o termômetro da economia global. No post de hoje, mostro como analisar esse indicador usando Python e as bibliotecas Pandas e Plotnine. Saia do básico e aprenda a visualizar a geração de empregos nos EUA de forma profissional.

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.

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.