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

Como analisar o sentimento dos textos do COPOM no Python?

Neste exercício construímos um indicador que busca quantificar o sentimento proveniente das decisões de política monetária no Brasil. Usando técnicas de mineração de texto, implementamos todas as etapas necessárias, desde web scraping e pré-processamento das atas do Comitê de Política Monetária do Banco Central (COPOM), até a criação de tokens e a classificação do sentimento implícito nos textos.

Como importar os textos do COPOM para análise de sentimentos no Python?

Os textos divulgados pelo COPOM, sejam os comunicados ou atas, são o ponto de partida para diversos tipos de análises quantitativas, como a análise de sentimentos, e qualitativas, como uma análise de cenário econômico. Neste artigo, mostramos como coletar estes textos de forma automatizada usando web scrapping e Python.

Como tratar dados no Python? Parte 5: renomeando colunas

Como dar novos nomes significativos para as colunas em uma tabela de dados usando Python? Neste tutorial mostramos os métodos de renomeação de colunas disponíveis na biblioteca pandas, que tem como vantagem sua sintaxe simples e prática.

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.