Cadê a sazonalidade que estava aqui? O ocaso do desemprego em 2015.

O desemprego aumentou, leitor. Todo mundo sabe, certo? Era o último bastião a cair. Caiu. E o detalhe sórdido disso tudo é que a sazonalidade, típica da série de desemprego, se foi. Antes de mais nada, vamos ver um gráfico do desemprego, que mostra claramente o salto no período recente.

grafico01

Você, claro, tem toda a razão, pode alegar para mim que eu preciso controlar justamente a sazonalidade, para mostrar um aumento no período recente. Isso é feito abaixo.

grafico02

Convencido? Ok, passemos agora para o outro passo. Vamos mostrar a sazonalidade da série ao longo do ano com a função seasplot do pacote TStools. O gráfico abaixo ilustra a mediana do desemprego em cada um dos meses do ano.

grafico03

Finalmente, vamos mostrar o comportamento do desemprego em 2015 com a função monthplot. As linhas vermelhas mostram o desemprego em cada um dos meses do ano, acompanhadas pelas médias ilustradas pelas linhas pretas tracejadas. Já a linha azul mostra a trajetória do desemprego em 2015. Cadê a sazonalidade, leitor?

grafico05

E tinha gente preocupada com o ajuste ortodoxo da oposição... 🙁

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.