Rodando um BVAR para prever o desemprego com o R

Amanhã sai a PNAD Contínua referente a setembro de 2016. Temos um modelo BVAR (ver aqui) que prevê o desemprego medido por essa pesquisa. Abaixo, o que ele projeta. O desemprego só começa a melhorar a partir de meados do próximo ano... 🙁

 

point.desemprego point.pea point.po mean.desemprego mean.pea mean.po
set/16 11.92 -2.16 1.15 11.92 -2.16 1.15
out/16 12.05 -2.16 1.08 12.05 -2.17 1.06
nov/16 12.15 -2.15 1.00 12.16 -2.16 0.96
dez/16 12.23 -2.13 0.91 12.25 -2.15 0.83
jan/17 12.31 -2.09 0.82 12.32 -2.11 0.68
fev/17 12.35 -2.06 0.72 12.36 -2.06 0.51
mar/17 12.36 -1.99 0.62 12.37 -1.98 0.32
abr/17 12.38 -1.90 0.53 12.35 -1.88 0.11
mai/17 12.34 -1.83 0.43 12.29 -1.75 -0.12
jun/17 12.32 -1.72 0.34 12.21 -1.60 -0.38
jul/17 12.23 -1.61 0.23 12.08 -1.41 -0.67
ago/17 12.15 -1.48 0.15 11.91 -1.18 -1.00

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como usar Modelos de Linguagem no R com o pacote {elmer}

Na análise de dados contemporânea, o uso de Modelos de Linguagem (LLMs) vem se consolidando como uma ferramenta poderosa para automatizar e aprimorar tarefas analíticas. Ao integrarmos LLMs a pacotes como o ellmer, podemos ampliar nossas capacidades de extração, interpretação e automação de dados no ambiente R. Neste post, exploramos o papel desses modelos e detalhamos como o ellmer opera dentro do universo da linguagem de programação R.

Introdução ao AutoGen: Agentes Inteligentes na Análise Financeira

O AutoGen é um framework da Microsoft que permite criar agentes de IA colaborativos. Na área financeira, pode automatizar a coleta de dados, cálculos de indicadores e geração de relatórios. Este artigo apresenta os conceitos básicos e um exemplo aplicado a ações de empresas.

Como usar LangGraph e LLMs para prever a inflação no Brasil

Este post apresenta um estudo de caso sobre como utilizar o LangGraph e modelos de linguagem para estruturar um sistema multiagente voltado à previsão do IPCA. O exercício cria um sistema que utiliza-se de personas analíticas que trabalham em paralelo, permitindo validar previsões, calcular métricas de erro e consolidar relatórios automatizados. A abordagem demonstra como fluxos multiagentes podem apoiar a análise econômica, oferecendo múltiplas perspectivas e maior consistência nos resultados.

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.