30 outubro 2018
29 outubro 2018
Mercado de Trabalho em recuperação em setembro
Com um pouco de atraso, estamos divulgando o comportamento do mercado de trabalho contábil referente ao mês de setembro. Neste mês foram contratados 9.071 e demitidos 8.768 profissionais na nossa área no Brasil. Isto representa uma criação de 303 novas vagas, reduzindo o número negativo de destruição de vagas que ocorre no nosso país desde 2015. Com efeito, de janeiro de 2014 até setembro de 2018 foram admitidos 509.867 empregados e demitidos 550.147, resultando em um saldo negativo de mais de 40 mil trabalhadores sem emprego. A diferença salarial entre os demitidos e os admitidos foi de 13,4% e o tempo médio de emprego dos demitidos foi de 35,35 meses.
Nos últimos meses, a economia parecia estar em recuperação, enquanto a crise persistia na contabilidade. Setembro parece marcar uma reversão nesta tendência. O saldo de contratação foi positivo para ambos os sexos, mas os trabalhadores com baixa instrução (até o superior incompleto) tiveram um saldo negativo. Além disto, as contratações parecem estar ocorrendo somente entre os escriturários.
O gráfico acima faz uma comparação entre o desempenho da economia como um todo (com os números divididos por 100) e o setor contábil.
Nos últimos meses, a economia parecia estar em recuperação, enquanto a crise persistia na contabilidade. Setembro parece marcar uma reversão nesta tendência. O saldo de contratação foi positivo para ambos os sexos, mas os trabalhadores com baixa instrução (até o superior incompleto) tiveram um saldo negativo. Além disto, as contratações parecem estar ocorrendo somente entre os escriturários.
26 outubro 2018
Dívida das famílias e Recessão no Brasil
Resumo:
Brazil experienced one of the most severe recessions in its history from 2014 to 2016. Following a pattern shown for previous economic downturns in other countries, the Brazilian recession was preceded by a substantial increase in household debt from 2003 to 2014. This study utilizes a novel individual level data set on household borrowing in order to provide details of the household debt boom. The data set allows for a decomposition of the rise in household debt by the type of debt and by the source of debt, and it allows for an analysis of the income of individuals taking on more debt during the boom. We conclude with an exploration of potential causes of the rise in household debt.
Household Debt and Recession in BrazilGabriel Garber, Atif Mian, Jacopo Ponticelli, and Amir SufiNBER Working Paper No. 25170October 2018JEL No. E32,F44
Brazil experienced one of the most severe recessions in its history from 2014 to 2016. Following a pattern shown for previous economic downturns in other countries, the Brazilian recession was preceded by a substantial increase in household debt from 2003 to 2014. This study utilizes a novel individual level data set on household borrowing in order to provide details of the household debt boom. The data set allows for a decomposition of the rise in household debt by the type of debt and by the source of debt, and it allows for an analysis of the income of individuals taking on more debt during the boom. We conclude with an exploration of potential causes of the rise in household debt.
24 outubro 2018
A Década Perdida: 2003 – 2012
Resumo:
A economia brasileira avançou na década seguinte à chegada ao poder do ex‐presidente Lula. Ainda mais importante foi o avanço nos temas sociais. Não obstante, o desempenho brasileiro, quando
medido em relação ao melhor grupo de comparação entre emergentes, foi, em geral, muito aquém do que poderia ter sido. Tendo recebido um choque de renda externa mais generoso, o Brasil, em relação ao melhor grupo de comparação:
1) cresceu, investiu e poupou menos;
2) recebeu menos investimento estrangeiro direto e adicionou menos valor na indústria;
3) teve mais inflação;
4) perdeu competitividade e produtividade, avançou menos em Pesquisa e
Desenvolvimento e piorou a qualidade regulatória;
5) foi pior ou igual em quase todos os setores
importantes;
6) a distribuição de renda, a fração de pobres, e a subnutrição caíram em linha ou um pouco menos;
7) a escolaridade avançou menos, a despeito de maiores gastos;
8) a saúde andou em linha.Fomos melhor no mercado de trabalho, onde avançamos na margem mais fácil: colocar as pessoas para trabalhar.
Em suma, o Brasil avançou, mas poder ia ter avançado muito mais. Neste sentido a década foi perdida.
Fonte: texto para discussão nº 626, do Departamento de Economia da PUC, “A década perdida 2003-2012”, de autoria de Vinícius Carrasco, João M.P. de Mello e Isabela Duarte, 2014.
A economia brasileira avançou na década seguinte à chegada ao poder do ex‐presidente Lula. Ainda mais importante foi o avanço nos temas sociais. Não obstante, o desempenho brasileiro, quando
medido em relação ao melhor grupo de comparação entre emergentes, foi, em geral, muito aquém do que poderia ter sido. Tendo recebido um choque de renda externa mais generoso, o Brasil, em relação ao melhor grupo de comparação:
1) cresceu, investiu e poupou menos;
2) recebeu menos investimento estrangeiro direto e adicionou menos valor na indústria;
3) teve mais inflação;
4) perdeu competitividade e produtividade, avançou menos em Pesquisa e
Desenvolvimento e piorou a qualidade regulatória;
5) foi pior ou igual em quase todos os setores
importantes;
6) a distribuição de renda, a fração de pobres, e a subnutrição caíram em linha ou um pouco menos;
7) a escolaridade avançou menos, a despeito de maiores gastos;
8) a saúde andou em linha.Fomos melhor no mercado de trabalho, onde avançamos na margem mais fácil: colocar as pessoas para trabalhar.
Em suma, o Brasil avançou, mas poder ia ter avançado muito mais. Neste sentido a década foi perdida.
Fonte: texto para discussão nº 626, do Departamento de Economia da PUC, “A década perdida 2003-2012”, de autoria de Vinícius Carrasco, João M.P. de Mello e Isabela Duarte, 2014.
23 outubro 2018
Machine Learning x Estatística: o que é melhor?
A precisão de previsão dos métodos de Machine Learning é menor do que a pior método estatístico.
Resumo:
Machine Learning (ML) methods have been proposed in the academic literature as alternatives to statistical ones for time series forecasting. Yet, scant evidence is available about their relative performance in terms of accuracy and computational requirements. The purpose of this paper is to evaluate such performance across multiple forecasting horizons using a large subset of 1045 monthly time series used in the M3 Competition. After comparing the post-sample accuracy of popular ML methods with that of eight traditional statistical ones, we found that the former are dominated across both accuracy measures used and for all forecasting horizons examined. Moreover, we observed that their computational requirements are considerably greater than those of statistical methods. The paper discusses the results, explains why the accuracy of ML models is below that of statistical ones and proposes some possible ways forward. The empirical results found in our research stress the need for objective and unbiased ways to test the performance of forecasting methods that can be achieved through sizable and open competitions allowing meaningful comparisons and definite conclusions.
Makridakis S, Spiliotis E, Assimakopoulos V (2018) Statistical and Machine Learning forecasting methods: Concerns and ways forward. PLoS ONE 13(3): e0194889. https://doi.org/10.1371/journal.pone.0194889
Resumo:
Machine Learning (ML) methods have been proposed in the academic literature as alternatives to statistical ones for time series forecasting. Yet, scant evidence is available about their relative performance in terms of accuracy and computational requirements. The purpose of this paper is to evaluate such performance across multiple forecasting horizons using a large subset of 1045 monthly time series used in the M3 Competition. After comparing the post-sample accuracy of popular ML methods with that of eight traditional statistical ones, we found that the former are dominated across both accuracy measures used and for all forecasting horizons examined. Moreover, we observed that their computational requirements are considerably greater than those of statistical methods. The paper discusses the results, explains why the accuracy of ML models is below that of statistical ones and proposes some possible ways forward. The empirical results found in our research stress the need for objective and unbiased ways to test the performance of forecasting methods that can be achieved through sizable and open competitions allowing meaningful comparisons and definite conclusions.
Makridakis S, Spiliotis E, Assimakopoulos V (2018) Statistical and Machine Learning forecasting methods: Concerns and ways forward. PLoS ONE 13(3): e0194889. https://doi.org/10.1371/journal.pone.0194889
22 outubro 2018
20 outubro 2018
Reformas estrutrais prioritárias para o Brasil
Resumo:
Over the last few decades, Brazil has experienced relatively weak economic growth due to stagnant productivity. To boost productivity, Brazil should embark on an ambitious structural reform process. In doing so, it is crucial that authorities select a few reform priorities to avoid dispersing political capital on an overly broad reform agenda. The paper aims to identify Brazil’s reform priorities in two steps. First, it estimates the impact that different reforms have on Brazil’s productivity. Second, it analyzes survey data to assess the extent of public support for reforms. The results show that banking sector reforms would generate the largest productivity gains and have the highest level of public support. Moreover, they would also be relatively easy to legislate and generate significant fiscal savings.
Fonte: aqui
Over the last few decades, Brazil has experienced relatively weak economic growth due to stagnant productivity. To boost productivity, Brazil should embark on an ambitious structural reform process. In doing so, it is crucial that authorities select a few reform priorities to avoid dispersing political capital on an overly broad reform agenda. The paper aims to identify Brazil’s reform priorities in two steps. First, it estimates the impact that different reforms have on Brazil’s productivity. Second, it analyzes survey data to assess the extent of public support for reforms. The results show that banking sector reforms would generate the largest productivity gains and have the highest level of public support. Moreover, they would also be relatively easy to legislate and generate significant fiscal savings.
Fonte: aqui
Assinar:
Postagens (Atom)
Postagens
