Efeito sísmico do coronavírus sobre a previsão do PIB

Economistas de mercado estão nesse momento com uma pergunta difícil de ser respondida: qual será o efeito do coronavírus sobre a economia brasileira? As medidas de distanciamento social necessárias para conter a pandemia no país paralisaram o nível de atividade, em particular o setor de serviços, fazendo com que desabe o crescimento do PIB nesse ano. O mais provável é que tenhamos uma recessão econômica. E aí vai a pergunta: de qual tamanho?

Para ilustrar o tamanho da incerteza, vamos pegar o desvio-padrão das projeções de crescimento do PIB da pesquisa Focus, diretamente do Sistema de Expectativas do Banco Central através do pacote rbcb.


library(rbcb)
library(ggplot2)
library(scales)
library(ggrepel)
library(png)
library(grid)
library(dplyr)
library(magrittr)

pibe = get_annual_market_expectations('PIB Total',
start_date = '2015-01-01')

img <- readPNG('logo.png')
g <- rasterGrob(img, interpolate=TRUE)

filter(pibe, reference_year == 2020 & date > '2016-02-01') %>%
ggplot(aes(x=date))+
geom_line(aes(y=sd), size=.8)+
labs(title='Desvio-padrão das previsões para o crescimento do PIB em 2020',
caption='Fonte: analisemacro.com.br com dados do BCB.')+
xlab('')+ylab('')+
scale_x_date(breaks = date_breaks("2 months"),
labels = date_format("%b/%Y"))+
theme(axis.text.x=element_text(angle=45, hjust=1))+
theme(panel.background = element_rect(fill='#acc8d4',
colour='#acc8d4'),
plot.background = element_rect(fill='#8abbd0'),
axis.line = element_line(colour='black',
linetype = 'dashed'),
axis.line.x.bottom = element_line(colour='black'),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
legend.position = c(.5,.4),
legend.background = element_rect((fill='#acc8d4')),
legend.key = element_rect(fill='#acc8d4',
colour='#acc8d4'),
plot.margin=margin(5,5,15,5))+
annotation_custom(g,
xmin=as.Date('2016-02-03'),
xmax=as.Date('2017-12-30'),
ymin=1, ymax=2)

A tarefa de verificar o impacto da pandemia sobre o nível de atividade é provavelmente o maior desafio da profissão nos últimos anos.

(*) Isso e muito mais você aprende em nossos Cursos Aplicados de R.

___________


Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como choques inflacionários afetam a previsão da Selic?

Como mensurar a importância de choques na inflação sobre o erro de previsão da taxa de juros? Neste exercício quantificamos esta pergunta sob a ótica de um modelo VAR, usando dados recentes da macroeconomia brasileira. Especificamente, estimamos a decomposição da variância dos erros de previsão do modelo, analisando choques na inflação da gasolina e sua importância sobre a variância dos erros de previsão da taxa Selic.

Modelo de previsão para o preço da gasolina

Neste exercício exploramos os dados públicos sobre o preço da gasolina no Brasil, sua composição, evolução temporal, políticas associadas e, por fim, construímos um modelo simples de previsão. Com um modelo em mãos, o analista pode cenarizar o comportamento futuro da série da forma como preferir. Todos os procedimentos foram feitos usando a linguagem de programação Python.

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.