Desemprego aumenta em fevereiro

Acabou de ser divulgada a Pesquisa Mensal de Emprego (PME) pelo IBGE referente ao mês de fevereiro. Nela, a População Desocupada na semana de referência - aquela que está em busca de emprego, mas não encontra - saiu de 6,1% em janeiro para 6,4% em fevereiro. A mesma tinha alcançado seu menor nível desde 2002 - quando a série iniciou - em dezembro último, com 5,3% de desocupação.

Essa alta para os meses de janeiro e fevereiro eram esperadas, dado que os contratos temporários realizados no final de 2010 extinguem-se agora. Entretanto, há especialistas em mercado de trabalho que dizem que essa alta não reflete apenas esse fenômeno, mas sim uma desaceleração pontual na contratação de novos funcionários. A acompanhar, portanto, o mercado de trabalho nos meses de março e, principalmente, abril, seja via PME, seja via CAGED do Ministério do Trabalho.

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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.

Analisando o impacto fiscal de propostas legislativas com IA

Todos os anos milhares de proposições legislativas são geradas na Câmara dos Deputados e Senado Federal, o que dificulta o trabalho de monitoramento feito por economistas, jornalistas e analistas de mercado. No entanto, ao empregar técnicas de engenharia de prompt e IA, podemos analisar estas milhares de proposições em questão de segundos. Neste exercício mostramos o caminho para esta automatização usando o 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.