Consolidando Métricas Fiscais

Uma das coisas que os alunos do Curso de Análise de Conjuntura usando o R irão aprender é trabalhar com dados. Hoje, trago um exemplo. Peguei algumas variáveis fiscais diretamente do Banco Central usando o R e criei uma tabela com as últimas três observações dessas séries. O leitor pode vê-la abaixo. Tudo fica automatizado, de modo que na próxima atualização dos dados, basta que o aluno modifique algumas poucas linhas de código e gere novamente a tabela.

Métricas da Situação Fiscal.
Fev/16 Mar/16 Abr/16
Nominal SPC 638572,01 579317,80 603712,88
Nominal GFBC 528095,17 468143,76 494181,58
Nominal GEM 100724,82 100958,08 98844,16
Juros SPC 513432,86 443295,76 464427,54
Juros GFBC 402501,69 332123,22 356237,70
Juros GEM 105373,01 105859,31 102744,80
Primário SPC 125139,15 136022,04 139285,34
Primário GFBC 125593,51 136020,57 137943,90
Primário GEM -4648,19 -4901,23 -3900,64
Nominal SPC % PIB 10,75 9,71 10,08
Nominal GFBC % PIB 8,89 7,85 8,25
Nominal GEM % PIB 1,70 1,69 1,65
Juros SPC % PIB 8,64 7,43 7,76
Juros GFBC % PIB 6,78 5,57 5,95
Juros GEM % PIB 1,77 1,78 1,72
Primário SPC % PIB 2,11 2,28 2,33
Primário GFBC % PIB 2,11 2,28 2,30
Primário GEM % PIB -0,08 -0,08 -0,07
Nominal DBGG 4017298,55 4005700,25 4039289,28
Nominal DLSP 2186771,34 2314842,91 2356611,04
Nominal DGFBC 1399516,92 1533881,44 1575573,76
Nominal DGEM 733383,49 726941,83 726632,83
DBGG % PIB 67,63 67,17 67,46
DLSP % PIB 36,81 38,82 39,36
DGFBC % PIB 23,56 25,72 26,31
DGEM % PIB 12,35 12,19 12,14

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Medindo o Hiato do Produto do Brasil usando Python

Uma medida extremamente importante para a avaliação econômica de um país é o Hiato do Produto. Neste post, realizamos uma comparação das diferentes formas de estimação dessa variável não observável utilizando o Python como ferramenta de análise de dados.

Como analisar a contribuição para a Volatilidade de uma carteira de ações usando Python

A contribuição para a volatilidade fornece uma decomposição ponderada da contribuição de cada elemento do portfólio para o desvio padrão de todo o portfólio. Em termos formais, é definida pelo nome de contribuição marginal, que é basicamente a derivada parcial do desvio padrão do portfólio em relação aos pesos dos ativos. A interpretação da fórmula da contribuição marginal, entretanto, não é tão intuitiva, portanto, é necessário obter medidas que possibilitem analisar os componentes. Veremos portanto como calcular os componentes da contribuição e a porcentagem da contribuição. Vamos criar as respectivas medidas usando a linguagem de programação Python.

Analisando o impacto fiscal de propostas legislativas com IA

Todos os anos milhares de proposições legislativas são geradas na Câmara dos Deputados e Senado Federal, o que dificulta o trabalho de monitoramento feito por economistas, jornalistas e analistas de mercado. No entanto, ao empregar técnicas de engenharia de prompt e IA, podemos analisar estas milhares de proposições em questão de segundos. Neste exercício mostramos o caminho para esta automatização usando o 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.