Impacto do aumento da gasolina e do óleo diesel no IPCA de 2013 e nas previsões do GECE.

A partir da meia noite do último dia 30/11 estão em vigor os aumentos de 4% e 8%, respectivamente, sobre a gasolina e óleo diesel que a Petrobras aprovou para a venda dos combustíveis nas refinarias. O GECE fez o cálculo do impacto desses reajustes sobre o Índice Nacional de Preços ao Consumidor Amplo (IPCA), o índice que representa a meta de inflação no país. Supondo que o repasse seja integralmente repassado ao consumidor – algo que não é inexorável – o impacto máximo do aumento da gasolina é de 0,16 pontos percentuais sobre o IPCA de dezembro (para fins de simplificação), enquanto o impacto do óleo diesel é de apenas 0,01 pontos percentuais. Chega-se a esse número tomando a média dos pesos desses subitens (51040001, gasolina e 51040003, óleo diesel) em 2013 e multiplicando os mesmos pelo reajuste anunciado para cada um. A gasolina teve peso médio de 3,88% no IPCA desse ano, contribuindo em média com -3% na variação mensal do índice. O pico de contribuição ocorreu em fevereiro, quando foi responsável por 26,4% da elevação de 0,6% do IPCA naquele mês. A mudança nas nossas previsões para o IPCA desse ano é o que detalhamos em seguida.

A previsão do GECE para o IPCA em 2013 era de 5,65%, supondo que em novembro e dezembro o índice ficasse, respectivamente, em 0,54% e 0,68%. Com o reajuste, o valor do mês de dezembro vai para 0,84%, o que eleva o IPCA de 2013 para 5,82%. Nesse cenário consideramos o limite mínimo da previsão em 5,74% e o máximo em 5,91%,.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.

Como selecionar variáveis para modelos de previsão no Python?

Em oposição à crença popular, grande parte dos modelos de machine learning não produzem previsões magicamente. É papel do cientista de dados executar uma boa engenharia de variáveis para não cair no clássico problema de “garbage in, garbage out” (GIGO) em aprendizado de máquina. Neste sentido, aprender a fazer uma boa seleção de variáveis é fundamental e neste artigo exploramos algumas possibilidades práticas usando o Python.

Resultado IPCA-15 - Novembro/2024

A Análise Macro apresenta os resultados do IPCA-15 de Novembro de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

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.