Novos dados de emprego

prevdesempregoO Cadastro Geral de Empregados e Desempregados (CAGED) do Ministério do Trabalho referente a maio foi divulgado hoje com notícias ruins. O saldo entre admitidos e demitidos veio abaixo de 60 mil, quando o esperado estava próximo a 100 mil. Nas seis principais regiões metropolitanas, as mesmas da Pesquisa Mensal do Emprego (PME) do IBGE, o saldo foi negativo em mais de 6 mil. Ademais, a média móvel de três meses dos admitidos, nessas regiões metropolitanas, mostrou queda de 3,5%. Significa dizer que o desemprego irá aumentar? Na média dos meus modelos, o desemprego em maio ficou no intervalo entre 4,5% e 5,2%; centrado em 4,8%. Em abril, a taxa foi de 4,9%. Isto porque, entre as premissas consideradas, está uma redução de 0,9% para o crescimento interanual da população economicamente ativa (PEA). Enquanto a procura por emprego não mostrar avanço, o desemprego tenderá a continuar em patamar historicamente baixo, com aumentos pontuais devido à sazonalidade da série. Mesmo que a geração de vagas continue revelando cansaço.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

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.