PIB Mensal ou "estagflação mensalizada"

hiato3Imagine que você precisa de alguma medida de PIB mensal para rodar, por exemplo, uma curva de phillips. As opções até então disponíveis no mercado eram um PIB nominal do Banco Central, o IBC-BR também do Banco Central, a produção industrial do IBGE ou alguma medida de capacidade ociosa, da CNI. Todas pecam, entretanto, por não anteciparem adequadamente os resultados do PIB trimestral do IBGE, dado que não seguem a metodologia oficial do orgão. Servem, apenas, como proxies do que acontece com o nível de atividade. Pensando nisso o pessoal do IBRE/FGV tem desenvolvido, desde o ano passado, um trabalho para construir uma série de PIB mensal baseada na metodologia do IBGE para o resultado trimestre. O gráfico ao lado mostra essa medida de PIB comparada a sua tendência, construída via filtro HP. Repare na ponta do gráfico: o dado de julho, mesmo sendo uma recuperação em relação ao mês anterior, ainda está abaixo da tendência. Ou seja, o hiato do produto ainda estaria em terreno negativo.

O índice foi construído "pelo lado da oferta", com início em 2000, devendo conter os dados da demanda em um futuro próximo. Ainda não está disponível nota técnica sobre a metodologia do índice, mas é um alento para quem costuma precisar de dados de  nível de atividade de "alta frequência". O gráfico abaixo mostra o comportamento dos três setores - se fosse uma corrida, a indústria estaria perdendo feio hein...

setores

Apenas a título de exercício sem maiores pretensões, eu tomei a série encadeada do índice sem ajuste sazonal e rodei um modelo simples para ver qual seria a taxa de crescimento acumulada do ano. A regressão é posta abaixo.

previsaopib

Com esse modelo, sujeito a toda a sorte de críticas, o PIB chegaria a uma taxa de crescimento em 2014 próxima a 0%. O banco Itaú, por exemplo, recentemente reviu sua projeção para 0,1% de crescimento esse ano. Abaixo está um gráfico com exercício semelhante feito para a série com ajuste sazonal.

pibforecast

Significa dizer que a "estagflação" brasileira está no preço para esse ano. E 2015, será melhor? O resultado das urnas, em novembro, é quem melhor responderá, viu... O novo índice pode ser acompanhado com o título de "Monitor do PIB" na página do IBRE... 🙂

(*) Agradeço ao professor Cláudio Considera por me enviar os dados.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Analisando o sentimento da política monetária com IA usando Python

Análise de sentimentos é uma técnica de Processamento de Linguagem Natural (PLN) que serve para revelar o sentimento contido em um texto. Neste exercício, aplicamos esta técnica para analisar as atas das reuniões do COPOM, revelando o que os diretores de política monetária discutem nas entrelinhas. Utilizando um modelo de Inteligência Artificial através do Python, produzimos ao final um índice de 0 a 100 para sintetizar a análise histórica.

Como a IA pode auxiliar na otimização de Portfólio de Investimentos?

A construção de portfólio ótimo refere-se ao processo de alocar eficientemente capital entre um conjunto predefinido de ativos ou títulos. O campo da construção de portfólio tem sido extensivamente estudado por acadêmicos e profissionais desde a década de 1950, quando Markowitz introduziu sua inovadora abordagem de média-variância para a construção de portfólio. Diante disso, podemos melhorar o processo de alocação de peso de um investimento em um portfólio através do Aprendizado não supervisionado com a aplicação do Hierarchical Risk Parity (HRP). Neste exercício, realizamos uma introdução ao método e mostramos os resultados de um exemplo criado através do Python.

Prevendo múltiplas séries usando IA no Python

Como podemos realizar previsões para várias séries temporais simultaneamente? Para abordar essa questão, empregamos a biblioteca MLForecastdo Python. Esta biblioteca disponibiliza uma variedade de modelos e funcionalidades para realizar previsões em séries temporais utilizando técnicas de aprendizado de máquina. Demonstramos sua aplicação ao prever as curvas de energia horária em quatro regiões distintas do Brasil.

Esse exercício é uma continuação do exercício “Usando IA para prever o consumo de energia no Brasil com 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.