Como analisar o Núcleo de Inflação no Brasil usando Python?

O Python se destaca como uma ferramenta robusta para análise de dados, permitindo a aplicação de uma ampla gama de técnicas em dados econômico-financeiros. Neste exercício, destacamos como a linguagem oferece uma facilidade muito grande na coleta de dados dos núcleos do IPCA diretamente do site do Banco Central, na manipulação eficiente desses dados e na construção de gráficos que facilitam a compreensão dos indicadores.

Introdução

Para analisar dados de qualquer natureza emprega-se (quase) sempre o mesmo procedimento do ciclo de análise de dados: coleta, manipulação/limpeza, análise/visualização, modelagem e comunicação dos resultados.

No nosso caso, estamos interessados em uma simples análise da média dos núcleos de inflação. Portanto, antes de construir o código, é necessário definir alguns pontos:

  • Quais indicadores analisar
  • Quais medidas serão criadas para a análise

Existem inúmeras formas de analisar indicadores relacionados a índices de inflação, portanto, para tornar simples o exercício, escolhemos apenas duas formas:

  • Variação Mensal do Núcleo do IPCA;
  • Variação Acumulada em 12 meses e média móvel sazonalmente ajustada e anualizada (SAAR).

Tais medidas são suficientes para compreender a trajetória dos índices de inflação do país, permitindo compreender facilmente a conjuntura econômica do país.

Quais indicadores analisar?

Os alunos do curso de Macroeconometria usando o Python, têm a oportunidade de adquirir um conhecimento abrangente em todas as fases do processo, desde a coleta e a preparação dos dados até a análise, o desenvolvimento de modelos econométricos e a comunicação dos resultados, tudo isso utilizando Python como ferramenta principal.

As medidas de núcleo de inflação buscam mitigar impactos transitórios sobre o comportamento dos preços, de forma a oferecer visão mais nítida do processo inflacionário. Assim, ainda que o sistema de metas para a inflação seja desenhado para o Índice Nacional de Preços ao Consumidor Amplo (IPCA) cheio, tais medidas são parte importante do conjunto informacional considerado pelo Banco Central do Brasil (BCB) na tomada de decisão de política monetária.

Mas qual o conjunto é comumente utilizado pelo BCB para a análise de conjuntura econômica? Usamos o conjunto definido pelo Estudo Especial n°102/2021: Ex-0, Ex-3, MS, DP e P55.

Analisando o Núcleo de Inflação

Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

Uma vez determinados os indicadores, realiza-se a extração dos dados através da API do Banco Central utilizando a biblioteca python-bcb, e cria-se a devida manipulação para a apresentação dos gráficos:

Vemos que há, em comparação com o passado recente, uma melhora da trajetória do núcleo de inflação no Brasil. Como o código é automatizado, podemos constantemente atualizar o script, permitindo o acompanhamento da trajetória do núcleo a cada nova divulgação do IPCA.

Quer aprender mais?

Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Qual o efeito de um choque de juros sobre a inadimplência?

Neste exercício, exploramos a relação dinâmica entre o custo do crédito (juros na ponta) e o risco realizado (taxa de inadimplência) através de uma análise exploratória de dados e modelagem econométrica utilizando a linguagem de programação R.

Qual a relação entre benefícios sociais e a taxa de participação do mercado de trabalho?

Este exercício apresenta uma investigação econométrica sobre a persistente estagnação da taxa de participação no mercado de trabalho brasileiro no período pós-pandemia. Utilizando a linguagem R e dados públicos do IBGE e Banco Central, construímos um modelo de regressão linear múltipla com correção de erros robustos (Newey-West). A análise testa a hipótese de que o aumento real das transferências de renda (Bolsa Família/Auxílio Brasil) elevou o salário de reserva, desincentivando o retorno à força de trabalho.

Estamos em pleno emprego no mercado de trabalho?

Este artigo investiga se o mercado de trabalho brasileiro atingiu o nível de pleno emprego, utilizando uma estimativa da NAIRU (Non-Accelerating Inflation Rate of Unemployment) baseada na metodologia de Ball e Mankiw (1997). Através de uma modelagem em Python que unifica dados históricos da PME e PNAD Contínua com as expectativas do Boletim Focus, comparamos a taxa de desocupação corrente com a taxa neutra estrutural. A análise visual e quantitativa sugere o fechamento do hiato de desemprego, sinalizando potenciais pressões inflacionárias. O texto detalha o tratamento de dados, a aplicação do Filtro Hodrick-Prescott e discute as vantagens e limitações da metodologia econométrica adotada.

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.