Queda do IPCA surpreende pela sexta vez seguida

A inflação no Brasil segue em rápida trajetória de queda. O IPCA de fevereiro, divulgado ontem pelo IBGE, subiu 0,33%, bem abaixo das expectativas do mercado. Assim, o índice acumulado em 12 meses recuou de 10,36% em fevereiro de 2016 para 4,76% agora. Que baita mudança, hein?

Para acompanhar essa trajetória, fiz no R o gráfico a seguir.

 

 

Usei a série do IPCA em 12 meses retirada do Sistema Gerenciador de Séries Temporais do BC e montei o gráfico com o pacote ggplot2, através do código abaixo:

library(TStools)
library(ggplot2)
source('bcb.R')

ipca12m = ts(getSeries(13522, data.ini='01/01/2015', 
                              data.fim='01/02/2017')$valor,
                              start=c(2015,01), freq=12)
data_mes = seq(as.Date('2015-01-01'), as.Date('2017-02-01'), by='1 month')
dados12m=data.frame(data_mes,ipca12m)

ggplot(data = dados12m, aes(x=data_mes, y=ipca12m))+ 
       geom_line(size=1.5, colour="#1a476f")+
       geom_point(size=15, shape=21, colour="#1a476f", fill="white")+
       geom_text(aes(label=ipca12m), size=4.5, hjust=0.5, vjust=0.5, shape=21, colour="#1a476f")+
       xlab('Mês de divulgação') + ylab('variação em 12 meses (%)')+
       labs( title='IPCA em 12 meses',
       subtitle= 'var. % acumulada',
       caption='Fonte: analisemacro.com.br' )+
       theme_economist()+
       theme(plot.title = element_text(hjust = 0.5, size=22), 
       plot.subtitle = element_text(hjust = 0.5, size=12)
)

 

O grupo “alimentos e bebidas” representa 25% da cesta do IPCA, e registrou deflação de 0,45% no mês. A maioria dos outros grupos também teve variação baixa. A exceção foi a alta de 5,04% em educação, já que o reajuste das mensalidades escolares se concentra em fevereiro. Mas, desta vez, ela não foi suficiente para tornar alto o IPCA.

Com isso, a inflação foi a menor para um fevereiro desde o ano 2000, e muito abaixo da média pós-plano real. O gráfico a seguir demonstra isso. Ele é a modificação de outro já postado no blog aqui. Foi gerado usando diversas “camadas” no ggplot2 para sobrepor as informações (barras azuis, ponto vermelho, linha horizontal e a média histórica)¹.

 

 

A redução prolongada dos preços de alimentos está sendo fundamental para a redução da inflação desde o fim do ano passado. Nos próximos posts discutiremos alguns de seus determinantes, como o declínio do fenômeno climático El Niño em meados de 2016.

--

¹ O pacote ggplot2 aplica o conceito de “Grammar of Graphics”, desenvolvido por Leland Wilkinson. A ideia básica é permitir combinar diversos componentes independentes para montar gráficos sofisticados. Através desse pacote é possível combinar “camadas” de informação, e aplicar propriedades a elas, de forma razoavelmente simples. Para uma explicação mais ilustrativa, visite http://www.science-craft.com/2014/07/08/introducing-the-grammar-of-graphics-plotting-concept/

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Tratamento e transformação de séries temporais macroeconômicas para modelagem

"Garbage in, garbage out" é a regra de ouro na previsão macroeconômica. Antes de aplicar qualquer modelo de IA ou econometria para prever indicadores como o IPCA ou o PIB, existe um trabalho crucial de tratamento de dados. Neste post, abrimos os bastidores do nosso dashboard de previsões e mostramos o passo a passo para transformar dados brutos de múltiplas fontes (como BCB, IBGE e FRED) em séries prontas para modelagem. Veja como lidamos com diferentes frequências, aplicamos transformações e usamos metadados para criar um pipeline de dados robusto e automatizado.

Como planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Montar um pipeline de previsão macroeconômica não é apenas uma tarefa técnica — é um exercício de integração entre dados, modelos e automação. Neste post, apresento uma visão geral de como estruturar esse processo de ponta a ponta, da coleta de dados até a construção de um dashboard interativo, que exibe previsões automatizadas de inflação, câmbio, PIB e taxa Selic.

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

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.