Análise do Nível de Atividade no 3º trimestre

Hoje pela manhã, o IBGE divulgou o resultado de setembro da Pesquisa Mensal de Comércio (PMC), encerrando assim o ciclo de pesquisas de alta frequência do 3º trimestre. Com efeito, resumo nesse post os resultados da pesquisa industrial, comércio e serviços, utilizando os scripts automáticos disponíveis no nosso Curso de Análise de Conjuntura usando o R. A tabela abaixo, por suposto, resume os resultado do Comércio Restrito e do Ampliado.

Métricas da PMC-IBGE (%)
Mensal Trimestral Interanual 12 meses
Volume Restrito 0,7 0,6 2,1 1,5
Receita Restrito 0,7 0,6 3,6 5,1
Volume Ampliado 0,9 0,6 4,3 3,8
Receita Ampliado 0,7 0,3 5,6 6,7

As vendas do varejo, tanto em termos de volume quanto de receita, seguiram em recuperação no mês de setembro. A seguir, um gráfico com a variação acumulada em 12 meses.


Como se vê, as vendas do comércio ensejaram uma inversão no ano passado, por conta dos múltiplos choques exógenos sofridos pela economia brasileira. Em 2019, a despeito de algum comportamento vacilante, as vendas do comércio varejista mostram uma recuperação na margem. A seguir, resumo o comportamento dos Serviços.

Métricas da PMS-IBGE (%)
Mensal Trimestral Interanual 12 meses
Receita 1,0 0,8 4,9 4,1
Volume 1,2 0,6 1,5 0,7

Os serviços, por seu turno, surpreenderam positivamente em setembro, mostrando avanço de 1,2% no volume. Na comparação interanual os serviços têm alternado resultados positivos com negativos, como mostra o gráfico a seguir.

Como se vê, há muito ruído nessa métrica de comparação. Podemos tentar suavizar a variação dos números-índices da pesquisa com a variação trimestral.

Como se vê, há uma recuperação na margem nos serviços, mas ainda é cedo para dizer que a mesma se configura em uma tendência para os próximos meses. Por fim, ilustramos o comportamento da produção industrial abaixo.

Métricas da Indústria Geral (%)
Mensal Interanual Trimestral Anual
2019 Jul -0,2 -2,5 -0,3 -1,3
2019 Aug 1,2 -2,0 0,1 -1,6
2019 Sep 0,3 1,1 0,4 -1,3

Das três pesquisas, a produção industrial é a que enfrenta o pior cenário, com comportamento ainda negativo no acumulado em 12 meses. Mas na margem, avançou nos últimos dois meses.

Em termos gerais, o nível de atividade avançou positivamente no 3º trimestre, mas ainda é cedo para dizer que isso se configura em uma tendência para os próximos meses. É possível dizer, contudo, que retirados da sala os diversos choques que afetaram a economia brasileira e mantida a agenda de reformas, não há por que o nível de atividade não apresentar uma recuperação mais vigorosa nos próximos meses. Em outras palavras, as condições de recuperação estão dadas.

______________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

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.

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.