IBC-Br avança em novembro

Contrariando os resultados das pesquisas do Comércio, Serviços e Indústria, o IBC-Br, o índice de nível de atividade do Banco Central avançou em novembro 0,18%, contra o mês de outubro. O índice conta com script automático que é ensinado/disponibilizado no nosso Curso de Análise de Conjuntura usando o R. A seguir, resumimos os dados do mesmo.


library(ggplot2)
library(scales)
library(gridExtra)
library(BETS)

ibc = BETSget(24363, data.frame=TRUE)
ibc_sa = BETSget(24364, data.frame=TRUE)
ibc = data.frame(ibc$date, ibc$value, ibc_sa$value)
colnames(ibc) = c('dates', 'ibc', 'ibc_sa')

Com os dados do índice em mãos, nós construímos uma tabela resumo com os últimos resultados.

Variação do IBC-Br (%)
Mensal Trimestral Interanual Anual
2019 Sep 0,44 0,79 2,07 1,01
2019 Oct 0,09 0,67 1,98 0,95
2019 Nov 0,18 0,75 1,10 0,90

Como é possível ver, na comparação interanual houve avanço de 1,10% e no acumulado em 12 meses, o índice mantém crescimento de 0,9%. Os gráficos a seguir resumem a trajetória das principais métricas de crescimento do índice.

O IBC-Br resume as principais pesquisas de nível de atividade. A despeito do crescimento na margem, a variação em 12 meses ainda mostra um cenário de estagnação próxima a 1%. A expectativa, diga-se, é que isso mude ao longo de 2020.
_________________

(*) Aprenda a construir análises como essa 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

Análise de Criptomoedas com Python

Aprenda a estruturar um pipeline de dados financeiros com Python. Ensinamos a construção de um dashboard automatizado para coleta, tratamento e visualização de criptomoedas via API.

Como Construir um Monitor de Política Monetária Automatizado com Python?

Descubra como transformar dados do Banco Central em inteligência de mercado com um Monitor de Política Monetária Automatizado. Neste artigo, exploramos o desenvolvimento de uma solução híbrida (Python + R) que integra análise de sentimento das atas do COPOM, cálculo da Regra de Taylor e monitoramento da taxa Selic. Aprenda a estruturar pipelines ETL eficientes e a visualizar insights econômicos em tempo real através de um dashboard interativo criado com Shiny, elevando o nível das suas decisões de investimento.

Qual o efeito de um choque de juros sobre a inadimplência?

Neste exercício, exploramos a relação dinâmica entre o custo do crédito (juros na ponta) e o risco realizado (taxa de inadimplência) através de uma análise exploratória de dados e modelagem econométrica utilizando a linguagem de programação R.

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.