Desemprego fica no limite inferior das projeções

A taxa de desemprego medida pela PNAD Contínua ficou em 11,2% em novembro. A projeção, com base em um modelo VEC era de desemprego entre 11,2% e 11,5%, com previsão média de 11,4%. Em palavras outras, o resultado acabou surpreendendo positivamente.

Com o resultado de novembro, nós atualizamos o nosso modelo VEC cuja metodologia está detalhada na Edição 68 do Clube do Código. O gráfico acima ilustra a trajetória projetada para a taxa de desemprego nos próximos seis meses. Como de praxe, o modelo ilustra uma queda em dezembro e depois uma alta até abril. O desemprego volta, então, a cair a partir de maio. A tabela a seguir ilustra o comportamento projetado.

Previsões para a Taxa de Desemprego
	Lower	Média	Upper
Dez/19	10.4	10.5	10.6
Jan/20	10.7	10.9	11.2
Fev/20	11.4	11.7	12.1
Mar/20	12.0	12.5	13.0
Abr/20	11.9	12.5	13.2
Mai/20	11.3	12.1	12.8

Isto é, espera-se agora uma queda mais forte do desemprego do que antecipado até outubro. A conferir!

_______________

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Como usar LangGraph e LLMs para prever a inflação no Brasil

O que é GraphRAG e implementar usando LangChain

Shiny + Agentes de IA: como criar aplicativos web inteligentes

Criando um Retriever para Textos Econômicos com Adaptive RAG e LangGraph

Criando um Assistente de Pesquisa com LangGraph

Como criar um Agente de IA visualizador de dados

Outros artigos relacionados

Como usar LangGraph e LLMs para prever a inflação no Brasil

Este post apresenta um estudo de caso sobre como utilizar o LangGraph e modelos de linguagem para estruturar um sistema multiagente voltado à previsão do IPCA. O exercício cria um sistema que utiliza-se de personas analíticas que trabalham em paralelo, permitindo validar previsões, calcular métricas de erro e consolidar relatórios automatizados. A abordagem demonstra como fluxos multiagentes podem apoiar a análise econômica, oferecendo múltiplas perspectivas e maior consistência nos resultados.

O que é GraphRAG e implementar usando LangChain

GraphRAG é uma técnica de recuperação de informação para LLMs que utiliza grafos de conhecimento para conectar entidades e relações, permitindo estruturar informações complexas presentes em textos. Neste exercício, mostramos como transformar as atas do Copom em um grafo capaz de compreender essas entidades e relações, respondendo a perguntas complexas de forma contextualizada. Com Python e LangChain, todo o processo se torna automatizado, simples e altamente explorável.

Shiny + Agentes de IA: como criar aplicativos web inteligentes

A combinação de interfaces de usuário interativas com o poder dos grandes modelos de linguagem (LLMs) está abrindo um universo de possibilidades. Imagine criar um aplicativo web que não apenas exibe dados, mas também conversa com o usuário, respondendo a perguntas complexas com base em uma base de conhecimento específica. Usando Shiny para Python e ferramentas de IA como as do Google, isso é mais acessível do que nunca.

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!