A menor inflação em janeiro desde 1979?

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" use_border_color="off" border_color="#ffffff" border_style="solid"]

A imprensa brasileira deu grande destaque nessa quinta-feira ao resultado da inflação medida pelo IPCA em janeiro. Ela veio 0,38%, o que para parte dos jornalistas foi a menor inflação em janeiro medida pelo índice desde 1979Para não levar a interpretações equivocadas, é preciso fazer duas considerações sobre essa informação. A primeira é que, para ser preciso, a informação deveria ser a partir de 1980, dado que o número índice do IPCA está disponível apenas a partir de dezembro do ano anterior. Como a inflação mensal se obtém confrontando o número índice em t com o número índice em t-1, só podemos ter essa métrica a partir de 1980. Ademais, não é uma comparação lá muito justa - e, de fato, não deixa de ser um equívoco fazê-lo. Isso porque, como todo mundo sabe, o período entre 1980 e meados de 1994 é marcado por um dos maiores processos inflacionários da História da humanidade. Então, como podemos comparar janeiro de 2017 com esse período? Para ilustrar, segue o código abaixo, que compila a inflação medida pelo IPCA apenas para meses de janeiro no período de 1980 a 2017. 

[/et_pb_text][/et_pb_column][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/02/conjuntura.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/analise-de-conjuntura/" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="left" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid" /][/et_pb_column][/et_pb_row][et_pb_row admin_label="Linha"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="left" use_border_color="off" border_color="#ffffff" border_style="solid"]

# Pacotes
library(TStools)
library(ggplot2)

# Importar dados diretamente do BCB
source('bcb.R')
ipca = ts(getSeries(433, data.ini='01/01/1980', 
 data.fim='01/01/2017')$valor, start=c(1980,01),
 freq=12)

## OBS: É possível usar os pacotes BETS ou rbcb.


# Criando e guardando gráfico de sazonalidade
seas = seasplot(ipca, trend=F, outplot = 4)

# Pegando variações de janeiro
janeiro = as.numeric(seas$season[,1])

# Criando vetor de datas
time = seq(as.Date('1980-01-01'), as.Date('2017-01-01'), by='1 year')

# Colocando ambos em um data frame
ipca.janeiro = data.frame(time=time, janeiro=janeiro)

# Gráfico
ggplot(ipca.janeiro, aes(time, janeiro))+
 geom_bar(stat='identity', fill='darkblue', width = 200)+
 xlab('')+ylab('% a.m.')+
 labs(title='Inflação medida pelo IPCA nos meses de janeiro',
 caption='Fonte: analisemacro.com.br com dados do Banco Central.')+
 theme_bw()

E abaixo o gráfico...

[/et_pb_text][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/analise-de-conjuntura/" url_new_window="off" button_text="Conhecer o Curso de Análise de Conjuntura usando o R" button_alignment="center" background_layout="light" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0" /][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Previsões do Boletim Focus em Anos Eleitorais

Eleições são momentos de incerteza, mas os dados do Boletim Focus mostram que nem toda incerteza é igual. Ao analisar as previsões de inflação, juros e câmbio nos anos que antecederam as eleições de 2014, 2018 e 2022, este post investiga como o mercado revisa cenários macroeconômicos ao longo do tempo.

Como Medir o Ciclo das Concessões de Crédito usando Python

Este exercício apresenta uma análise quantitativa da relação entre o ciclo de concessões de crédito, a atividade econômica e a política monetária no Brasil. Utilizando a linguagem Python, o estudo aplica técnicas de decomposição de séries temporais (X13-ARIMA e Filtro HP) para isolar os componentes cíclicos dos dados. Os resultados da modelagem econométrica confirmam a pró ciclicidade do crédito em relação ao hiato do produto e sua sensibilidade às variações no hiato da taxa de juros real.

Choque de juros e renda em bens duráveis e não duráveis usando Python

Este artigo analisa a dinâmica do consumo no Brasil utilizando Python e modelos de Vetores Autorregressivos (VAR). Ao segregar bens duráveis e não duráveis, o estudo quantifica a sensibilidade a choques de juros e renda. Criamos todo o processo através do ciclo de dados: coleta, tratamento, análise de dados, modelagem e apresentação dos resultados, tudo automatizado usando a linguagem Python.

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.