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

Analisando a Volatilidade de Longo Prazo do Ibovespa usando Python

Com base no modelo GARCH(1,1), realizamos realizar a modelagem da variância condicional dos log retornos diários do Ibovespa, abrangendo o período de janeiro de 2018 até dezembro de 2023. O objetivo principal é compreender a implementação desse modelo utilizando a linguagem de programação Python, além de conduzir uma análise do mercado acionário brasileiro ao longo do período amostral.

Ao concluirmos este exercício, teremos a capacidade de obter uma medida representativa da variância de longo prazo da série temporal. Essa medida poderá ser comparada com a variância histórica, permitindo-nos inferir se a volatilidade presente está atualmente inferior ou superior àquela projetada para o futuro. Essa análise contribuirá para uma melhor compreensão da dinâmica da volatilidade no mercado acionário brasileiro.

Construindo uma NAIRU para o Brasil usando Python

Um dos maiores desafios para aqueles que trabalham com dados econômicos é aliar a prática com a teoria. Para tanto, o uso do Python pode facilitar esse desafio, permitindo construir todos os passos de uma análise de dados. Demonstramos o poder da linguagem tomando como exemplo a construção da NAIRU para o Brasil.

A Abordagem do Estudo de Eventos usando Python

A maioria das pesquisas em finanças está dedicada a investigar o efeito de um anúncio da companhia ou de um evento, sistêmico ou não, sobre o preço de uma ação. Esses estudos são conhecidos como “estudos de eventos”. Neste contexto, apresentaremos uma breve introdução à metodologia e demonstraremos como aplicá-la por meio de exemplos reais utilizando a linguagem de programação Python.

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.