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

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como avaliar modelos de IA na previsão macroeconômica?

Descubra como economistas e cientistas de dados estão combinando econometria e inteligência artificial para aprimorar previsões macroeconômicas. Neste post, você vai entender as principais etapas de avaliação de modelos — da preparação dos dados à validação cruzada — e conhecer as métricas e técnicas que revelam quais métodos realmente entregam as melhores previsões. Uma leitura essencial para quem quer compreender o futuro da análise econômica orientada por dados.

Análise exploratória e seleção de séries temporais econômicas para modelagem

Quer entender como transformar dados econômicos brutos em previsões macroeconômicas precisas? Neste post, mostramos passo a passo como realizar a análise exploratória e seleção de séries temporais com Python — desde o tratamento de dados e remoção de multicolinearidade até a escolha das variáveis mais relevantes usando técnicas de machine learning e econometria. Um guia essencial para quem quer unir teoria econômica e inteligência artificial na prática da previsão macroeconômica.

Transformers para Análise de Séries Temporais

Neste tutorial, mostramos passo a passo como aplicar dados de séries temporais em modelos baseados na arquitetura Transformer, utilizando a biblioteca Darts no Python. Você aprenderá como transformar dados temporais em um formato compatível, ajustar o modelo e gerar previsões. Uma introdução prática e didática à união entre Deep Learning e análise de séries temporais.

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.