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

Frameworks para criar AI Agents

Neste post, vamos dar o primeiro passo rumo à construção de Agentes de IA mais sofisticados, capazes de tomar decisões, interagir com ferramentas externas e lidar com tarefas complexas. Para isso, precisamos entender o papel dos frameworks agenticos (ou agentic frameworks) e como eles podem facilitar esse processo. Aqui introduzimos dois frameworks populares de desenvolvimento de Agentes de IA.

Construindo RAG para Análise do COPOM com SmolAgents

Este exercício demonstra, passo a passo, como aplicar o conceito de Retrieval-Augmented Generation (RAG) com agentes inteligentes na análise de documentos econômicos. Utilizando a biblioteca SmolAgents, desenvolvemos um agente capaz de interpretar e responder a perguntas sobre as atas do COPOM com base em buscas semânticas.

Como criar um Agente de IA?

Unindo conhecimentos sobre Tools, LLMs e Vector Stores, agora é hora de integrar diferentes conceitos e aprender a construir um Agente de IA completo. Neste post, nosso objetivo será criar um Agente capaz de responder perguntas sobre o cenário macroeconômico brasileiro, utilizando dados de expectativas de mercado do Boletim Focus do Banco Central do Brasil (BCB) e o framework LangChain no Python.

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.