IBC-Br: Recuperação mais do que comprometida

O Banco Central acabou de divulgar os resultados do Índice de Nível de Atividade da instituição - o IBC-Br - referente ao mês de fevereiro. Nada animadores, diga-se. Pelo segundo mês seguido, a variação na margem veio negativa: 0,73% em relação a janeiro. Também na variação da média móvel trimestral - últimos três meses contra os três meses imediatamente anteriores - houve recuo de 0,21%. Uma indicação de que a recuperação da economia nesse ano está bastante comprometida.

Aprenda a analisar o IBC-Br e vários outros índices no Curso de Análise de Conjuntura usando o R 

Nas métricas mais suavizadas, por seu turno, ainda há crescimento positivo. A variação interanual, o IBC-Br cresceu 2,49% em fevereiro, enquanto no acumulado em 12 meses registra alta de 1,21%.

O pessimismo captado pelo IBC-Br, a propósito, se soma à sétima redução semanal do crescimento previsto para 2019 captado no boletim Focus. No último dado disponível, espera-se crescimento de 1,95%.

O pessimismo está em grande parte associado à possibilidade de não aprovação da reforma da previdência ou à aprovação de uma reforma bem mais desidratada do que a versão entregue pelo governo ao Congresso.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como Medir o Ciclo das Concessões de Crédito usando Python

Este artigo apresenta uma análise quantitativa da relação entre o ciclo de concessões de crédito, a atividade econômica e a política monetária no Brasil. Utilizando a linguagem Python, o estudo aplica técnicas de decomposição de séries temporais (X13-ARIMA e Filtro HP) para isolar os componentes cíclicos dos dados. Os resultados da modelagem econométrica confirmam a pro-ciclicidade do crédito em relação ao hiato do produto e sua sensibilidade às variações no hiato da taxa de juros real.

Choque de juros e renda em bens duráveis e não duráveis usando Python

Este artigo analisa a dinâmica do consumo no Brasil utilizando Python e modelos de Vetores Autorregressivos (VAR). Ao segregar bens duráveis e não duráveis, o estudo quantifica a sensibilidade a choques de juros e renda. Criamos todo o processo através do ciclo de dados: coleta, tratamento, análise de dados, modelagem e apresentação dos resultados, tudo automatizado usando a linguagem 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.