IBC-Br e a recuperação em V

O IBC-Br é um indicador de periodicidade mensal, construído pelo Banco Central, que busca incorporar a trajetória de variáveis consideradas como proxies para o desempenho dos diversos setores da economia. Na 31ª edição do Clube do Código, diga-se, eu faço uma comparação entre o IBC-Br e o PIB, de modo a verificar se aquele é um bom preditor desse. A análise completa do índice é feita no nosso Curso de Análise de Conjuntura usando o R. Aqui, vou mostrar como coletar os dados do índice diretamente do Banco Central, bem como gerar um tratamento e visualização dos dados.

script começa carregando alguns pacotes de R:


## Pacotes
library(tidyverse)
library(scales)
library(Quandl)
library(BETS)
library(tstools)
library(knitr)

Na sequência, eu baixo os dados do Banco Central a partir do pacote BETS. Ademais, já crio as variações que quero para mostrar o avanço do índice no curto prazo.


## Coleta e tratamento dos dados
ibc = BETSget(24363, data.frame=TRUE)
ibc_sa = BETSget(24364, data.frame=TRUE)
ibc_df = inner_join(ibc, ibc_sa, by='date') %>%
as_tibble() %>%
rename(ibc = value.x, ibc_sa = value.y) %>%
mutate(margem = (ibc_sa/lag(ibc_sa,1)-1)*100) %>%
mutate(interanual = (ibc/lag(ibc,12)-1)*100) %>%
mutate(trimestral = acum_i(ibc_sa,3)) %>%
mutate(anual = acum_i(ibc, 12))

De posse dos dados, eu posso criar uma tabela como abaixo, de modo a ilustrar o avanço do índice nos últimos meses.

Índice de Nível de Atividade do Banco Central
Data IBC-Br IBC_sa Margem Interanual Trimestral Anual
2020-03-01 136.34 131.62 -5.93 -1.59 -1.82 0.73
2020-04-01 119.03 119.42 -9.27 -14.27 -6.50 -0.45
2020-05-01 120.37 121.43 1.68 -13.55 -10.99 -1.99
2020-06-01 126.96 127.90 5.33 -6.06 -10.26 -2.36
2020-07-01 136.77 132.64 3.71 -4.30 -2.30 -2.83
2020-08-01 136.66 134.05 1.06 -3.92 5.94 -3.09

Observamos por essa tabela que o índice tem se recuperado nos últimos meses do tombo sofrido em março e abril por conta da pandemia do Covid-19. Na variação interanual, contudo, o índice ainda mostra comparações negativas com igual mês do ano passado. Todas as variações e o índice em nível podem ser mostrados em um gráfico múltiplo como abaixo.


A análise do índice nos últimos meses parece indicar uma recuperação em V, isto é, uma forte recuperação após o tombo do nível de atividade em março e abril.

Como mostro naquele exercício do Clube do Código, contudo, a comparação entre IBC-Br e PIB deve ser vista com cautela.

__________

(*) Para ter acesso aos códigos completos dos nossos futuros exercícios, cadastre-se na nossa Lista VIP aqui.

(**) Inscrições para as Turmas de Verão começam no próximo dia 27/10. Seja avisado por e-mail clicando aqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando um Dashboard de análise de Ações no Python

Um Dashboard é um painel de controle que consolida uma variedade de informações sobre um determinado objeto de estudo em um ou mais painéis. Ele simplifica significativamente o processo de análise de dados, oferecendo uma visão global e fácil de entender. Uma maneira simples de construir um Dashboard para acompanhar uma ação específica é utilizando duas ferramentas: Quarto e Python. Neste post, mostramos o resultado da criação de um Dashboard de Ação.

Analisando séries temporais no Python e esquecendo de vez o Excel

Séries temporais representam uma disciplina extremamente importante em diversas áreas, principalmente na economia e na ciência de dados. Mas, afinal, como lidar com esses dados que se apresentam ao longo do tempo? Neste exercício, demonstraremos como compreender uma série temporal e como o Python se destaca como uma das melhores ferramentas para analisar esse tipo de dado.

Cálculo do Retorno Econômico de uma Política Pública

Como podemos traduzir os efeitos de uma política pública para valores monetários? Essa é uma tarefa árdua que requer algumas premissas, entretanto, com métodos bem definidos, é possível obter estimativas precisas dos ganhos e os gastos de uma política pública.

Neste exercício, demonstramos tal método usando a política hipotética "Mãe Paranense”, um conjunto de ações que visam reduzir a mortalidade materna e infantil no estado. Usamos a linguagem R como ferramenta para analisar os 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.