Impacto do reajuste de energia elétrica no IPCA de abril

reajusteEssa meus amigos de Minas não vão gostar muito, mas vamos lá. Uma das incertezas para a previsão do IPCA de abril era a amplitude do impacto dos reajustes de energia elétrica aprovados pela ANEEL. A previsão que eu fiz era de variação do índice de 0,78%, com +-0,13 p.p. de incerteza, como pode ser visto no post ai embaixo - e que estava em linha com as demais consultorias. Nesse cálculo estava contabilizado um impacto de 0,08 pontos percentuais vindo dos reajustes de energia elétrica, de acordo com os dias em que foram aprovados. O IPCA de abril foi de 0,67%, com impacto de 0,04 pontos percentuais dos reajustes de energia elétrica. A empresa que mais conseguiu repassar o reajuste foi a Cemig, de Minas Gerais, como pode ser vista nessa tabelinha ai. Ela teve autorização de reajustar as tarifas residenciais em 14,24%, a partir de 08/04. A variação mensal do subitem energia elétrica em Belo Horizonte foi de 12,03%, bem próximo do reajuste concedido. Sabe-se que o repasse para o consumidor desse tipo de aumento é quase sempre integral e o tempo depende apenas da eficiência da empresa em questão. Desse modo, parece que a Cemig fez jus à fama. Na segunda-feira eu publico uma análise mais apurada do índice divulgado hoje.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como avaliar modelos de IA na previsão macroeconômica?

Descubra como economistas e cientistas de dados estão combinando econometria e inteligência artificial para aprimorar previsões macroeconômicas. Neste post, você vai entender as principais etapas de avaliação de modelos — da preparação dos dados à validação cruzada — e conhecer as métricas e técnicas que revelam quais métodos realmente entregam as melhores previsões. Uma leitura essencial para quem quer compreender o futuro da análise econômica orientada por dados.

Análise exploratória e seleção de séries temporais econômicas para modelagem

Quer entender como transformar dados econômicos brutos em previsões macroeconômicas precisas? Neste post, mostramos passo a passo como realizar a análise exploratória e seleção de séries temporais com Python — desde o tratamento de dados e remoção de multicolinearidade até a escolha das variáveis mais relevantes usando técnicas de machine learning e econometria. Um guia essencial para quem quer unir teoria econômica e inteligência artificial na prática da previsão macroeconômica.

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.