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

Como tratar dados no Python? Parte 5: renomeando colunas

Como dar novos nomes significativos para as colunas em uma tabela de dados usando Python? Neste tutorial mostramos os métodos de renomeação de colunas disponíveis na biblioteca pandas, que tem como vantagem sua sintaxe simples e prática.

Como tratar dados no Python? Parte 4: operações por grupos

Como mensalizar dados diários? Ou como filtrar os valores máximos para diversas categorias em uma tabela de dados usando Python? Estas perguntas são respondidas com os métodos de operações por grupos. Neste tutorial mostramos estes métodos disponíveis na biblioteca pandas, que tem como vantagem sua sintaxe simples e prática.

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.