Gráficos interativos no R: relacionando a incerteza econômica ao PIB

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="1_3"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" use_border_color="off" border_color="#ffffff" border_style="solid"]

Ontem divulguei aqui o índice de incerteza criado pelo pessoal do IBRE/FGV. Hoje, entre uma cerveja e outra nesse calor do Rio de Janeiro, resolvi brincar um pouco com o índice, relacionando o mesmo a outras variáveis. A ideia é criar exercícios com essa série para o Clube do Código. Uma das brincadeiras foi usar o pacote plotly, de modo que seja possível criar gráficos interativos, como esse daí ao lado, que relaciona o índice de incerteza ao crescimento do PIB. Passe o cursor sobre o gráfico para visualizar.

As séries utilizadas foram o crescimento acumulado em 12 meses do PIB mensal também criado pelo pessoal do IBRE/FGV (já tô merecendo uma graninha pela divulgação, hein...) e o índice de incerteza sublinhado acima. De posse dessas séries (disponíveis aqui), você pode começar a brincadeira com o código abaixo.

 

[/et_pb_text][/et_pb_column][et_pb_column type="2_3"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="left" use_border_color="off" border_color="#ffffff" border_style="solid"]

[/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row admin_label="Linha"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" use_border_color="off" border_color="#ffffff" border_style="solid"]

#########################
### Incerteza vs. PIB ###

## Carregar pacotes
library(ggplot2)
library(plotly)

## Importar dados
data = read.csv2('data.csv', header=T, sep=';', dec=',',
 colClasses = c('POSIXct', rep('numeric', 2)))

### Gráfico de Correlação 

ggplot(data, aes(x=incerteza, y=pib))+
 geom_point(shape=1, colour='darkblue', size=2)+
 geom_smooth(method=lm)+
 xlab('Índice de Incerteza Econômica')+
 ylab('Crescimento do PIB')+
 labs(title='Incerteza econômica vs. Crescimento do PIB')+
 theme(plot.title = element_text(hjust = 0.5, face='bold',
 size=15))

### Jogando para o plotly
g = ggplotly()
plotly_POST(g, filename = 'incerteza', sharing = 'public')

Uma vez feito isso, você terá seu gráfico do ggplot2 transformado em um gráfico interativo a partir da função ggplotly. Uma outra opção é criar o gráfico diretamente com a função plot_ly. Além disso, claro, você deverá criar uma conta na plataforma https://plot.ly/ e setar suas credenciais antes de começar os trabalhos. Um tutorial básico está disponível aqui.

Por enquanto, é isso. Vamos ver o que sai dessa brincadeira... 🙂

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

FED Speeches: Quantificando a Incerteza da Política Monetária com IA e Python

Os discursos dos membros do FED podem dar indicativos relevantes sobre a condução da política monetária, como a percepção de incerteza na fala e na escolha das palavras. Sendo assim, monitorar e interpretar não é suficiente, é necessário quantificar a incerteza nos discursos. Neste exercício mostramos o caminho para construir um indicador de incerteza da política monetária, usando métodos inovadores de IA com o Python.

Medindo o Hiato do Produto do Brasil usando Python

Uma medida extremamente importante para a avaliação econômica de um país é o Hiato do Produto. Neste post, realizamos uma comparação das diferentes formas de estimação dessa variável não observável utilizando o Python como ferramenta de análise de dados.

Como analisar a contribuição para a Volatilidade de uma carteira de ações usando Python

A contribuição para a volatilidade fornece uma decomposição ponderada da contribuição de cada elemento do portfólio para o desvio padrão de todo o portfólio. Em termos formais, é definida pelo nome de contribuição marginal, que é basicamente a derivada parcial do desvio padrão do portfólio em relação aos pesos dos ativos. A interpretação da fórmula da contribuição marginal, entretanto, não é tão intuitiva, portanto, é necessário obter medidas que possibilitem analisar os componentes. Veremos portanto como calcular os componentes da contribuição e a porcentagem da contribuição. Vamos criar as respectivas medidas usando 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.