Ainda o mercado de trabalho

dummypeaOs dados recém divulgados do mercado de trabalho mostram um nítido sinal amarelo. Tenho insistido nesse e em outros espaços que chama atenção a redução da procura por emprego em determinadas faixas etárias. Essa saída da População Economicamente Ativa (PEA) de jovens entre 14 e 24 anos é captada pela PNAD e pela PNAD Contínua. O gráfico ao lado mostra que esse mesmo comportamento pode ser captado também na Pesquisa Mensal do Emprego (PME). Para os meses em que a saída da População Economicamente Ativa (PEA) foi maior do que a entrada/saída na População Ocupada (PO), é alocado 1 e 0, caso contrário. Nos casos em que a saída da PEA é maior do que a entrada/saída da PO, o desemprego cai não porque as empresas contrataram mais do que demitiram, mas porque as pessoas simplesmente desistem de procurar emprego. Em março isso ocorreu pela 26ª vez, desde abril de 2002. Este fato, somado às demais pesquisas de mercado de trabalho, mostram que o cenário preocupa.

81 mil pessoas saíram da PEA entre fevereiro e março, enquanto 52 mil pessoas deixaram a PO (foram demitidas), logo a variação da PEA foi maior do que a variação da PO. Por isso a taxa de desemprego caiu para 5%, ante 5,1% em fevereiro. A saída da PEA foi combinada com redução da ocupação, sinal de que a economia brasileira combina baixo nível de atividade com inflação elevada. Na variação interanual - contra o mesmo mês do ano anterior - a PEA acumula seis meses de variação negativa, isto é, encolhimento. A População Não Economicamente Ativa (PNEA), por sua vez, acumula 8 meses de variação positiva, tendo se reduzido em 4,2%, na comparação com março de 2013.

A População Ocupada (PO) tem registrado variação média, na comparação interanual, de modestos 0,2%, nos últimos 12 meses. Os salários reais também crescem menos: 2,2%, na mesma comparação. Era de 3,5% nos 12 meses imediatamente anteriores. Os dados de outra pesquisa, o CAGED, do Ministério do Trabalho, que mede o fluxo de admitidos e demitidos com carteira assinada, também ilustram a deterioração. A média móvel anual do saldo entre demissões e contratações foi de pouco menos de 71 mil nos últimos 24 meses, enquanto no período imediatamente anterior havia sido de 160 mil. Ademais, como pode ser visto no gráfico abaixo, a taxa de participação, relação entre PEA e População em Idade Ativa (PIA), mostra tendência de queda no período recente.

participação

A deterioração no mercado de trabalho deve continuar ao longo do ano, com o aumento da incerteza advinda do pleito eleitoral, bem como pela reação defasada ao ciclo de contração monetária do Banco Central. Em particular, a análise passa bem distante da taxa de desemprego, que a despeito de estar baixa, revela muito pouco da situação atual. Desse modo, é preciso acompanhar o fluxo de contratações nos próximos meses. Acaso o mesmo não reaja, o desemprego irá aumentar assim que a procura por emprego voltar a subir. A acompanhar o ponto exato quando isso começará a ocorrer.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

FED Speeches: Quantificando a Incerteza da Política Monetária com IA e Python

Os discursos dos membros do FED podem dar indicativos relevantes sobre a condução da política monetária, como a percepção de incerteza na fala e na escolha das palavras. Sendo assim, monitorar e interpretar não é suficiente, é necessário quantificar a incerteza nos discursos. Neste exercício mostramos o caminho para construir um indicador de incerteza da política monetária, usando métodos inovadores de IA com o Python.

Medindo o Hiato do Produto do Brasil usando Python

Uma medida extremamente importante para a avaliação econômica de um país é o Hiato do Produto. Neste post, realizamos uma comparação das diferentes formas de estimação dessa variável não observável utilizando o Python como ferramenta de análise de dados.

Como analisar a contribuição para a Volatilidade de uma carteira de ações usando Python

A contribuição para a volatilidade fornece uma decomposição ponderada da contribuição de cada elemento do portfólio para o desvio padrão de todo o portfólio. Em termos formais, é definida pelo nome de contribuição marginal, que é basicamente a derivada parcial do desvio padrão do portfólio em relação aos pesos dos ativos. A interpretação da fórmula da contribuição marginal, entretanto, não é tão intuitiva, portanto, é necessário obter medidas que possibilitem analisar os componentes. Veremos portanto como calcular os componentes da contribuição e a porcentagem da contribuição. Vamos criar as respectivas medidas usando a linguagem de programação 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.