Google Trends no R, um novo grupo de conjuntura no Brasil e novidades por aqui

O mês de julho foi bastante complicado, leitor, por isso a escassez de posts nesse espaço. O avanço da crise brasileira, minha luta diária para dar conta da agenda, problemas, problemas, e mais problemas. Nesse meio tempo, o Levy jogou a toalha no primário, a Grécia resolveu dar um suspiro de esperança, a presidente Dilma entregou a defesa das "pedaladas" no TCU, os dois maiores empreiteiros do país ainda estão na cadeia (surpreendentemente!), Eduardo Cunha ficou de mal com o governo, os dados mostram uma piora significativa da economia brasileira, etc, etc... Ou seja, leitor, em julho, tudo ficou um pouco mais difícil no Brasil do que estava em junho. Mas que tal acalmar o coração com algum frescor de esperança? Quando o mundo tá um inferno, o melhor mesmo é ir para o R...

Já deveria ter feito isso há algum tempo, mas os dias têm sido cada vez mais complexos à medida que a autópsia da falecida Nova Matriz Econômica se aprofunda. Como alguns desse espaço já sabem, o GECE/UFF, um grupo de conjuntura nascido na antiga sede da faculdade de economia da Federal Fluminense, faleceu. Muitas linhas poderiam ser escritas sobre o assunto, mas como o tempo é escasso, melhor se concentrar no futuro, não é mesmo? Pois é. Nessa direção, um sopro de esperança foi dado na mesma faculdade com a criação esse ano do Núcleo Econômico da empresa júnior Opção Consultoria, um substituto do GECE/UFF, mostrando que, de fato, há demanda para um grupo de conjuntura. O projeto é liderado pelo aluno de graduação Matheus Rabelo, que mostra bastante empolgação com o tema, ao motivar os demais alunos do núcleo diariamente com notícias e exercícios sobre macroeconomia.

O sonho de um grupo de conjuntura na UFF continua...
O sonho de um grupo de conjuntura na UFF continua...

Em uma dessas oportunidades, Matheus mostrou uma curiosidade sobre o processo de aumento do desemprego atual. Ele foi ao Google Trends e notou que as buscas pela palavra-chave "emprego" têm aumentado. O Google Trends, para quem ainda não sabe, é aquela ferramenta do google que mostra, em um índice que vai de 0 a 100, o volume de pesquisa de determinadas palavras-chave em relação ao total de pesquisas feitas no buscador. Quanto mais próximo de 100, maior o interesse por determinada palavra-chave. Maiores informações sobre aqui. Eu já tinha falado do Trends por aqui no início do ano, quando estava interessado em projetar o câmbio e queria ver o impacto da operação Lava-Jato.

A busca por emprego aumentou?
O gráfico do Matheus

Para ajudar o Matheus a avançar no estudo do tema, propus dessazonalizar a série acima, para ver mais claramente se há uma tendência de avanço no período recente. Um problema imediato surge, nesse caso, porque, como dá para ver pelo gráfico acima, do Matheus, os dados são semanais, o que gera um empecilho para importar para o R, por exemplo. Você pode, para isso, dar uma olhada na dica valiosa do Claudio Shikida aqui, sobre como lidar com dados irregulares no R. Especificamente em relação ao Google Trends, entretanto, você pode usar o pacote GtrendsR e importar tudo o que você quiser, direto, no R. Maravilha, né? Para saber como, dê uma olha nesse post aqui.

grafico1
Pesquisa no GTrends pela palavra 'emprego' direto no R

Com a série importada para o R, podemos agora pensar em dessazonalizar. Um primeiro exercício, mais rápido, pode ser feito apenas suavizando a série, com a aplicação de médias móveis, como colocado abaixo.

grafico2

Existem, no R, muitas formas de dessazonalizar uma série e você poderia se perguntar sobre o padrão sazonal da pesquisa em foco no GTrends. Bom, o que se percebe é que há um aumento forte no início do ano, que cede ao longo dos meses. Você pode comparar com o padrão sazonal de contratação das empresas aqui. Para ser rápido, eu apenas mensalizei os dados semanais obtidos no GTrends com a função apply.monthly do pacote xts. Feito isto, apliquei a função seas do pacote seasonal sobre a nova série mensalizada. O resultado é posto abaixo.

Pesquisa no GTrends mensalizada e série dessazonalizada.
Pesquisa no GTrends mensalizada e série dessazonalizada.

O que o gráfico mostra é que desde meados de 2014, retirado o efeito sazonal, a pesquisa pela palavra-chave 'emprego' vem aumentando no GTrends. E isso parece ser coerente com o aumento do desemprego, desde então, como vemos no gráfico abaixo.

O desemprego aumenta
O desemprego aumenta

Uma questão muito tratada até o ano passado foi que o desemprego não estava aumentando justamente porque as pessoas não estavam procurando emprego. Com a mudança dessa realidade, portanto, é natural observar que o desemprego passou a subir. E aí, claro, você pode estar pensando: posso usar os termos de pesquisa do GTrends para melhorar minhas projeções de desemprego? Eu ainda não testei, mas acho que vale a pena. Fica para o leitor o exercício. E, claro, quem sabe o Matheus não publica sobre o assunto lá no blog do NEOC?

Por fim, quero dizer que estou trabalhando em um novo site, que ocupará esse atual. O blog passará a ser apenas uma parte do espaço atual, enquanto o complemento será ocupado pelo meu trabalho de consultoria e ensino. Espero conseguir montar tudo até agosto, se, claro, o governo Dilma deixar... 🙂

Ah, claro, boa sorte ao NEOC e espero que consigam avançar sobre o trabalho feito pelo hoje extinto GECE! 🙂

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.

Como selecionar variáveis para modelos de previsão no Python?

Em oposição à crença popular, grande parte dos modelos de machine learning não produzem previsões magicamente. É papel do cientista de dados executar uma boa engenharia de variáveis para não cair no clássico problema de “garbage in, garbage out” (GIGO) em aprendizado de máquina. Neste sentido, aprender a fazer uma boa seleção de variáveis é fundamental e neste artigo exploramos algumas possibilidades práticas usando o Python.

Resultado IPCA-15 - Novembro/2024

A Análise Macro apresenta os resultados do IPCA-15 de Novembro de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

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.