Difusão da inflação e a fala do ministro Guido Mantega

difusãoO ministro da fazenda, Guido Mantega, deu a seguinte declaração, em resposta às indagações de jornalistas sobre o aumento da taxa básica de juros feito pelo Copom: “É preciso evitar que essa inflação contamine outros produtos que não mostram pressões inflacionárias" (grifo nosso). Eu gostaria de sentar com o ministro em um entardecer desses no Lago Sul, em Brasília, e perguntar algo do tipo "mas então, Guidão, o que você quis dizer com esse negócio essa inflação contamine outros produtos?". Como, infelizmente, eu provavelmente não terei essa oportunidade, só me resta cumprir minha missão aqui na Terra e mostrar ao nobre leitor o gráfico ao lado de difusão da inflação. É uma métrica simples: ela mede a razão entre quantos bens ou serviços sofreram aumento na passagem de um mês para outro em relação ao total de bens e serviços que integram o IPCA, expresso em percentagem. Como é perceptível, não se trata de alguns poucos produtos - como o "essa inflação" dá a entender - pressionando o índice, mas de alastramento do processo inflacionário. Nessa mesma tarde, diante dos dados, eu gostaria de ver a face do ministro: será que ele ruborizaria, leitor? Eu honestamente acho que não... 🙁

 

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.