Tag

expectativas de mercado Archives - Análise Macro

Como coletar dados do Boletim Focus com o Python

By | Indicadores

O Boletim Focus é uma pesquisa realizada pelo Banco Central do Brasil, que divulga semanalmente as projeções de diversos indicadores macroeconômicos do país. A pesquisa é extremamente útil para entender a conjuntura econômica do país. Para coletar os dados do relatório, podemos utilizar a biblioteca {python-bcb}, que realiza a conexão com a API do Banco Central e permite realizar a importação dos dados direto para o Python.

Para utilizar o {python-bcb} é extremamente simples. Primeiro devemos carregar o módulo Expectativas e utilizar suas funções e métodos para realizar a importação.

Utilizamos a função Expectativas() para instanciar com as informações da pesquisa. Salvamos em objeto com o nome "em" para utilizar o método describe() de forma a obtermos as pesquisas disponíveis e conectar com a que desejamos. No caso, queremos obter informações das Expectativas Anuais.

Com as informações conhecidas sobre o data frame a ser importado, utilizamos o método get_endpoint() para conectar com a API do Banco Central e executar a consulta com .query()

Em conjunto com query(), utilizamos os métodos do pandas de forma a obter os dados já tratados, com os dados da expectativas do IPCA do ano referente a 2023, coletados em 2022.

Por fim, obtemos o data frame com a Media e a Mediana das projeções divulgadas pelo Boletim Focus nas semanas ao longo de 2022. Abaixo, criamos o gráfico para representar a evolução do indicador.

________________________________________

Quer saber mais?

Veja nossos cursos de Macroeconomia através da nossa trilha de Macroeconomia Aplicada.

Coletando dados do Banco Central com Python

By | Indicadores

O ideal é que todo o processo da análise de dados econômicos e financeiros deve ser facilitado em todas as etapas, principalmente as iniciais, que constam como a coleta e tratamento de dados. Por sorte, existem pacotes e funções prontas que facilitam todo esse processo para os usuários, como é o caso do python-bcb, que nos ajuda a coletar dados do Banco Central. Neste post de hoje, mostramos como é fácil retirar esses dados.

O python-bcb é uma interface em Python estruturada para obter informações da API de dados abertos do Banco Central do Brasil. Criado por Wilson Freitas, professor dos cursos de Renda Fixa usando o R e Construindo um Banco de Dados Financeiro Automatizado com R aqui da Análise Macro.

A interface oferece diversas APIs que permitem acessar os dados de vários bancos de dados do BACEN. Sendo eles:

  •   Sistema Gerenciador de Séries Temporais (SGS);
  •   Conversor de moedas;
  •   Expectativas divulgadas pelo boletim FOCUS;
  •   Integração com o OData, fornecendo dados de Expectativas, Moedas, Taxas de Juros, IFdata e Mercado Imobiliário.

Sistema Gerenciador de Séries Temporais

O SGS consolida e divulga diversas séries econômico-financeiros mantidas pelo Banco Central e também por outras instituições. É nesse gerenciador que podemos encontrar as séries de diversos temas: Atividade Econômica, Preços, Mercado de Trabalho, Setor Externo, Finanças Públicas, Juros e etc.

São ofertadas as séries em diferentes periodicidades e formatos, portanto, somando todos os fatores, se torna um sistema ideal para coletar séries, ainda mais quando o próprio BCB oferece APIs que facilitam a extração.

Para buscar uma série do SGS com o python-bcb, seguiremos os seguintes passos:


Como exemplo, utilizamos a série da Taxa de juros - Meta Selic definida pelo Copom %a.a, identificada pelo código 432 no SGS. Vemos abaixo como é possível utilizar a função sgs.get().

Caso haja a necessidade em importar mais de uma série, também é possível. Abaixo, importamos as séries do IPCA Mensal em Var. % mensal e do IGP-M Var. % mensal.

Conversor de Moedas

O Conversor de Moedas realiza o Web Scrapping do sistema de mesmo nome do Banco Central. Permite que seja importado as cotações diárias de diversas moedas diante do real. Para saber as moedas que são possíveis de importar, e consequentemente seus respectivos símbolos, utiliza-se a função currency.get_currency_list().

A função retorna um data frame contendo as colunas com cada uma contendo os códigos numéricos da moeda, o nome completo da moeda, o símbolo de cada moeda, e o código do país, o nome do país, o tipo e a data de exclusão.

Após escolhido as moedas de interesse com base na lista do conversor, utiliza-se a função currency.get() para obter as moedas diante do real com base no seus respectivos símbolos e período.

Expectativas FOCUS

O python-bcb oferece a API Expectativas como forma de obter os dados divulgados pelo boletim FOCUS. Essa integração permite obter as expectativas de mercado de cerca de 130 instituições do mercado financeiros que participam do Sistema de Expectativa de Mercado. Para obter os dados, primeiro devemos instanciar com a classe bcb.Expectativas e obter as informações dos endpoints com o método bcb.Expectativas.describe()

Veja que é retornado os EntitySets, que são os endpoints do qual podemos importar os dados das Expectativas de Mercado, como exemplos, iremos buscar as Expectativas de Mercado Anuais.


É retornado todas as informações do endpoint escolhido, com suas respectivas colunas. Isto é útil devido ao fato de caso haja a necessidade de importações do dados já filtrados, desta forma, é possível saber quais colunas poderemos realizar os filtros.

Com todas as informações sobre o endpoint em mãos, iremos de fato importa-las com o python-bcb, utilizando a função expec.get_endpoint(), especificando o endpoint de interesse. Assim que conectamos com o endpoint, realizamos o query com  o método query(). No exemplo abaixo, realizamos esses dois procedimentos em conjunto com uma filtragem para o indicador da Selic.


OData

O OData do Banco Central permite acesso a mais dados do sistema, incluindo o API do Expectativas (bcb.Expectativas), também é possível retirar dados da PTAX (bcb.PTAX), que permite acesso a cotações de taxas de câmbio, Taxa de Juros dos bancos (bcb.TaxaJuros), dados de Instituições Financeiras (bcb.IFDATA) e dados do Mercado Imobiliário (bcb.MercadoImobiliario).

O processo de retirada de dados do OData segue o mesmo que realizamos com o bcb.Expectativas acima, sendo possível realizar com as outras APIs. Primeiro colhemos as informações da API e seus respectivos endpoints com describe(), e após, colhemos as informações de interesse com get_endpoint() e query(). Vemos um exemplo abaixo com a API TaxadeJuros.

A

No exemplo acima retiramos os dados das taxas de juros de diversas instituições bancárias do Brasil. Veja que limitamos o query para apenas 10 observações, apenas como exemplo para que não haja demoras na importação.

Quer saber mais sobre Python?

Veja nossos cursos de Python aplicado para as áreas de Análise de dados e Economia. R e Python para Economistas, Estatística usando R e Python  e  Econometria usando R e Python.

Focus é um bom preditor da trajetória econômica?

By | Economia, Indicadores

As expectativas dos agentes de mercado do sistema Focus/BCB são amplamente conhecidas e acompanhadas semanalmente, fornecendo um importante resumo estatístico do que se espera para o futuro da economia brasileira. Obviamente prever o futuro não é uma tarefa fácil ou trivial, de forma que essas projeções de mercado inerentemente carregam consigo um grau de incerteza, o que se costuma chamar como “termo de erro” no economês.

Dessa forma, especialmente para uma economia exótica como a brasileira, a incerteza associada às projeções macroeconômicas ganha uma especial importância. Uma forma interessante e prática de começar a entender o assunto pode ser uma simples comparação entre o que se projetava para uma variável macroeconômica versus o que foi de fato observado para a mesma ao longo do tempo.

O gráfico abaixo procura fazer isso, a linha vermelha representa a taxa de crescimento do PIB divulgado pelo IBGE trimestralmente e as linhas azuis são as expectativas diárias dos agentes de mercado para a trajetória futura dessa mesma variável, reportadas no sistema Focus/BCB:

Percebe-se que os economistas e colegas de profissão são, em geral, bastante otimistas em relação ao desempenho da economia, mas costumam ser frequentemente contrariados pelos dados fora de seus modelos. É importante frisar que as projeções costumam ser feitas com base em cenários para economia, de forma que a incerteza constante do dia a dia do brasileiro – sejam turbulências fiscais, políticas ou mesmo externas – dificulta uma previsão perfeita (perfect foresight), como observado no gráfico.

Para algumas das demais variáveis que compõem o Top 5 Focus, ranking das instituições com base em um índice de acerto, podemos observar comportamento semelhante.  A exceção é o caso da inflação, onde os desvios do projetado vs. observado medido pelo IPCA são bem menos evidentes.

Neste caso podemos dizer que as expectativas de inflação são racionais? Para essa discussão recomendo este post recente do economista Felipe Camargo, que aborda bem esta questão.

As trajetórias esperadas para variáveis referentes a taxa de câmbio e juros quando comparadas com os valores observados são igualmente interessantes:

 

Por fim, deixo a conclusão do questionamento levantado neste texto para o leitor, com a esperança de que as visualizações tenham sido informativas, apesar de não serem tão prazerosas à vista de quem está envolvido no processo de previsão dessas variáveis.

 

 

________________________

Obtenha dados do sistema de expectativas Focus/BCB com o pacote meedr no R: https://github.com/schoulten/meedr

Aprenda sobre modelos preditivos aplicados a macroeconomia na Análise Macro.

Faça parte do Clube AM para ter acesso aos códigos de R.

Análise do Boletim Focus com o R

By | Indicadores

O Relatório Focus divulgado agora há pouco pelo Banco Central trouxe poucas novidades, como mostra o quadro abaixo. A expectativa para o crescimento em 2019 se manteve em 0,92%, enquanto para a inflação é de 3,31%. O câmbio flerta com os 4 R$/US$ e a expectativa é de mais uma redução de 50 pontos-base na taxa Selic, o que levará a mesma para 4,5% no final do ano.

A semana é marcada, por suposto, pela divulgação de dois dados importantes de nível de atividade: a pesquisa do comércio varejista e a de serviços. Elas complementam a produção industrial, divulgada na semana passada. No geral, a expectativa é para um 3º tri razoável, com alta de até 0,5% na margem.

_____________________

(*) Uma apresentação do boletim Focus em RMarkdown está disponível aqui.

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar Gratuitamente