AGR_5_Mineracao_Precos
Leonardo Cardoso
2024-04-12
Contexto
Pessoal, estou trabalhando com a Profa Graziella Magalhães (UFJF) e
com o Lucas Adriano Silva (doutorando, UFV) em um projeto sobre
mineração.
Uma das minhas tarefas para esta semana em relação ao projeto é coletar os preços de 4 minérios e olhar como estes preços se comportam. Os minérios:
Ferro
Ouro
Bauxita
Cobre
Esses são exatamente os 4 minérios mais importantes (em valor) no Brasil. E, por isso, vou olhar como andam os preços mundiais desses 4 minérios.
A gente vai seguir exatamente o roteiro de sempre:
- Carregar os pacotes
- Baixar os dados
- Olhar os dados e fazer os gráficos
Pacotes
O pacote que faz o download automático dos dados do Fundo Monetário
Internacional (FMI, em inglês a sigla é IMF) é o imf.data,
para instalá-lo a gente usa o imf.data.
Os materiais para saber como usar o ifm.data estão aqui e aqui.
library(loadinstall)
packages <- c("ggplot2", "ggrepel", "ggthemes",
"tidyr", "tidyverse", "imf.data", "stringr", "scales")
lapply(packages, dynamic_require)## [[1]]
## [1] "ggplot2" "loadinstall" "stats" "graphics" "grDevices"
## [6] "utils" "datasets" "methods" "base"
##
## [[2]]
## [1] "ggrepel" "ggplot2" "loadinstall" "stats" "graphics"
## [6] "grDevices" "utils" "datasets" "methods" "base"
##
## [[3]]
## [1] "ggthemes" "ggrepel" "ggplot2" "loadinstall" "stats"
## [6] "graphics" "grDevices" "utils" "datasets" "methods"
## [11] "base"
##
## [[4]]
## [1] "tidyr" "ggthemes" "ggrepel" "ggplot2" "loadinstall"
## [6] "stats" "graphics" "grDevices" "utils" "datasets"
## [11] "methods" "base"
##
## [[5]]
## [1] "lubridate" "forcats" "stringr" "dplyr" "purrr"
## [6] "readr" "tibble" "tidyverse" "tidyr" "ggthemes"
## [11] "ggrepel" "ggplot2" "loadinstall" "stats" "graphics"
## [16] "grDevices" "utils" "datasets" "methods" "base"
##
## [[6]]
## [1] "imf.data" "lubridate" "forcats" "stringr" "dplyr"
## [6] "purrr" "readr" "tibble" "tidyverse" "tidyr"
## [11] "ggthemes" "ggrepel" "ggplot2" "loadinstall" "stats"
## [16] "graphics" "grDevices" "utils" "datasets" "methods"
## [21] "base"
##
## [[7]]
## [1] "imf.data" "lubridate" "forcats" "stringr" "dplyr"
## [6] "purrr" "readr" "tibble" "tidyverse" "tidyr"
## [11] "ggthemes" "ggrepel" "ggplot2" "loadinstall" "stats"
## [16] "graphics" "grDevices" "utils" "datasets" "methods"
## [21] "base"
##
## [[8]]
## [1] "scales" "imf.data" "lubridate" "forcats" "stringr"
## [6] "dplyr" "purrr" "readr" "tibble" "tidyverse"
## [11] "tidyr" "ggthemes" "ggrepel" "ggplot2" "loadinstall"
## [16] "stats" "graphics" "grDevices" "utils" "datasets"
## [21] "methods" "base"Dados
O “list_datasets()” vai listar todas as bases de dados existentes. O ponto é que são muitas! Para baixar exatamente a base de dados desejada, você tem que saber qual o nome dela no site do Fundo Monetário Internacional.
bases<-list_datasets()
#olhei e sei que preciso da base PCPS
pcps <- load_datasets("PCPS")
## isso é para saber para quais áreas a base está disponível
pcps$dimensions$ref_area## Value Description
## 1 W00 All Countries, excluding the IO#descobri que o meu código é W00
##isso é para saber qual o meu código
pcps$dimensions$commodity## Value
## 1 PRAWM
## 2 PAGRI
## 3 PALLFNF
## 4 PEXGMETA
## 5 PALLMETA
## 6 PALUM
## 7 POILAPSP
## 8 PBANSOP
## 9 PBARL
## 10 PBEEF
## 11 PBEVE
## 12 POILBRE
## 13 PCERE
## 14 PCHROM
## 15 PCOAL
## 16 PCOALAU
## 17 PCOALSA
## 18 PCOBA
## 19 PCOCO
## 20 PCOIL
## 21 PCOFF
## 22 PCOFFOTM
## 23 PCOFFROB
## 24 PEXGALL
## 25 PCOPP
## 26 PMAIZMT
## 27 PCOTTIND
## 28 PMILK
## 29 PDAP
## 30 POILDUB
## 31 PNRG
## 32 PENTM
## 33 PFERT
## 34 PSALM
## 35 PFSHMEAL
## 36 PFANDB
## 37 PFOOD
## 38 PGASO
## 39 PGOLD
## 40 PGNUTS
## 41 PLOGSK
## 42 PSAWMAL
## 43 PHARD
## 44 PHEATOIL
## 45 PHIDE
## 46 PINDU
## 47 PIORECR
## 48 PLAMB
## 49 PLEAD
## 50 PCHANA
## 51 PLITH
## 52 PNGASJP
## 53 LMICS
## 54 PMANGELE
## 55 PMEAT
## 56 PMETA
## 57 PLMMODY
## 58 PNGAS
## 59 PNGASEU
## 60 PNGASUS
## 61 PNICK
## 62 PAPPLE
## 63 PNFUEL
## 64 POATS
## 65 POLVOIL
## 66 PORANG
## 67 PPALLA
## 68 PPOIL
## 69 PPLAT
## 70 PPOTASH
## 71 PPOULT
## 72 PPMETA
## 73 PPROPANE
## 74 PROIL
## 75 PREODOM
## 76 PRICENPQ
## 77 PRUBB
## 78 PSEAF
## 79 PSHRI
## 80 PSILLUMP
## 81 PSILVER
## 82 PLOGORE
## 83 PSAWORE
## 84 PSOFT
## 85 PSORG
## 86 PSMEA
## 87 PSOYB
## 88 PSOIL
## 89 PSUGA
## 90 PSUGAISA
## 91 PSUGAUSA
## 92 PSUNO
## 93 PPORK
## 94 PTEASL
## 95 PTEA
## 96 PTEAINDIA
## 97 PTEAMOM
## 98 PTIMB
## 99 PTIN
## 100 PURAN
## 101 PUREA
## 102 PVANPENT
## 103 PVOIL
## 104 PTOMATO
## 105 PWHEAMT
## 106 PWOOL
## 107 PWOOLC
## 108 PWOOLF
## 109 POILWTI
## 110 PZINC
## 111 All_Indicators
## Description
## 1 Primary Commodity Prices, Agr. Raw Material Index
## 2 Primary Commodity Prices, Agriculture
## 3 Primary Commodity Prices, All index
## 4 Primary Commodity Prices, All Metals EX GOLD Index
## 5 Primary Commodity Prices, All Metals Index
## 6 Primary Commodity Prices, Aluminum
## 7 Primary Commodity Prices, APSP crude oil($/bbl)
## 8 Primary Commodity Prices, Bananas
## 9 Primary Commodity Prices, Barley
## 10 Primary Commodity Prices, Beef
## 11 Primary Commodity Prices, Beverages index
## 12 Primary Commodity Prices, Brent Crude
## 13 Primary Commodity Prices, Cereal index
## 14 Primary Commodity Prices, Chromium
## 15 Primary Commodity Prices, Coal index
## 16 Primary Commodity Prices, Coal, Australia
## 17 Primary Commodity Prices, Coal, South Africa
## 18 Primary Commodity Prices, Cobalt
## 19 Primary Commodity Prices, Cocoa
## 20 Primary Commodity Prices, Coconut Oil
## 21 Primary Commodity Prices, Coffee index
## 22 Primary Commodity Prices, Coffee, Other Mild Arabica
## 23 Primary Commodity Prices, Coffee, Robustas
## 24 Primary Commodity Prices, Commodities for Index: All, excluding Gold
## 25 Primary Commodity Prices, Copper
## 26 Primary Commodity Prices, Corn
## 27 Primary Commodity Prices, Cotton
## 28 Primary Commodity Prices, Dairy Products, Milk
## 29 Primary Commodity Prices, Diammonium phosphate
## 30 Primary Commodity Prices, Dubai Crude
## 31 Primary Commodity Prices, Energy index
## 32 Primary Commodity Prices, Energy Transition Metal Index
## 33 Primary Commodity Prices, Fertilizer
## 34 Primary Commodity Prices, Fish
## 35 Primary Commodity Prices, Fish Meal
## 36 Primary Commodity Prices, Food and beverage index
## 37 Primary Commodity Prices, Food index
## 38 Primary Commodity Prices, Gasoline
## 39 Primary Commodity Prices, Gold
## 40 Primary Commodity Prices, Groundnuts
## 41 Primary Commodity Prices, Hard Logs, Import Price Japan
## 42 Primary Commodity Prices, Hard Sawnwood, Dark Red Meranti
## 43 Primary Commodity Prices, Hardwood index
## 44 Primary Commodity Prices, Heating Oil
## 45 Primary Commodity Prices, Hides
## 46 Primary Commodity Prices, Industrial Materials index
## 47 Primary Commodity Prices, Iron Ore
## 48 Primary Commodity Prices, Lamb
## 49 Primary Commodity Prices, Lead
## 50 Primary Commodity Prices, Legumes, Chickpea
## 51 Primary Commodity Prices, Lithium
## 52 Primary Commodity Prices, LNG, Asia
## 53 Primary Commodity Prices, Low and Middle Income Commodity Index (World Bank)
## 54 Primary Commodity Prices, Manganese
## 55 Primary Commodity Prices, Meat Index
## 56 Primary Commodity Prices, Metal index
## 57 Primary Commodity Prices, Molybdenum
## 58 Primary Commodity Prices, Natural gas index
## 59 Primary Commodity Prices, Natural gas, EU
## 60 Primary Commodity Prices, Natural Gas, US Henry Hub Gas
## 61 Primary Commodity Prices, Nickel
## 62 Primary Commodity Prices, Non-Citrus Fruit, Apple
## 63 Primary Commodity Prices, Non-Fuel index
## 64 Primary Commodity Prices, Oats
## 65 Primary Commodity Prices, Olive Oil
## 66 Primary Commodity Prices, Orange
## 67 Primary Commodity Prices, Palladium
## 68 Primary Commodity Prices, Palm Oil
## 69 Primary Commodity Prices, Platinum
## 70 Primary Commodity Prices, Potassium Fertilizer
## 71 Primary Commodity Prices, Poultry
## 72 Primary Commodity Prices, Precious Metals Price Index
## 73 Primary Commodity Prices, Propane
## 74 Primary Commodity Prices, Rapeseed Oil
## 75 Primary Commodity Prices, Rare Earth Elements
## 76 Primary Commodity Prices, Rice, Thailand
## 77 Primary Commodity Prices, Rubber
## 78 Primary Commodity Prices, Seafood index
## 79 Primary Commodity Prices, Shrimp
## 80 Primary Commodity Prices, Silicon
## 81 Primary Commodity Prices, Silver
## 82 Primary Commodity Prices, Soft Logs
## 83 Primary Commodity Prices, Soft Sawnwood, Average of Softwoods,
## 84 Primary Commodity Prices, Softwood index
## 85 Primary Commodity Prices, Sorghum
## 86 Primary Commodity Prices, Soybean Meal
## 87 Primary Commodity Prices, Soybeans
## 88 Primary Commodity Prices, Soybeans Oil
## 89 Primary Commodity Prices, Sugar index
## 90 Primary Commodity Prices, Sugar, No. 11, World
## 91 Primary Commodity Prices, Sugar, No. 16, US
## 92 Primary Commodity Prices, Sunflower Oil
## 93 Primary Commodity Prices, Swine
## 94 Primary Commodity Prices, Tea, Colombo
## 95 Primary Commodity Prices, Tea, Kenyan
## 96 Primary Commodity Prices, Tea, Kolkata
## 97 Primary Commodity Prices, Tea, Mombasa
## 98 Primary Commodity Prices, Timber index
## 99 Primary Commodity Prices, Tin
## 100 Primary Commodity Prices, Uranium
## 101 Primary Commodity Prices, Urea
## 102 Primary Commodity Prices, Vanadium
## 103 Primary Commodity Prices, Vegetable oil index
## 104 Primary Commodity Prices, Vegetables, Tomato
## 105 Primary Commodity Prices, Wheat
## 106 Primary Commodity Prices, Wool index
## 107 Primary Commodity Prices, Wool, Coarse
## 108 Primary Commodity Prices, Wool, Fine
## 109 Primary Commodity Prices, WTI Crude
## 110 Primary Commodity Prices, Zinc
## 111 All Indicators## como tem muito código, vou gerar um objeto com os códigos
#codigos<-pcps$dimensions$commodity
#PGOLD
#PALUM
#PIORECR
#PCOPP
b1<-pcps$get_series(freq="M", ref_area = "W00", commodity = c("PGOLD","PCOPP", "PIORECR", "PALUM"), unit_measure = "IX")
## Preciso mudar os nomes
names(b1) <- c("time", "ouro", "bauxita", "cobre", "ferro")
#Preciso colocar a base no formato long
b2 <- tidyr::pivot_longer(b1, cols = -time, names_to = "variavel", values_to = "valor")
b3 <- b2 %>%
filter(time>"1999-12")Descobrir os códigos só é um pouco chato, mas é pouco. E, depois que
você pegar a manha, vai que vai.
Outra coisa, pense que você só vai precisar pegar estes códigos uma vez,
depois é só ir mudando para as bases desejadas.
Gráficos e alguns comentários
Agora sim consigo fazer os gráficos que preciso.
#transformando time em data
b3$time <- as.Date(paste0(b3$time, "-01"), format = "%Y-%m-%d")
b3$valor<-as.numeric(b3$valor)
ggplot(b3, aes(x = time, y = valor, color = as.factor(variavel))) + geom_line() + geom_point() + labs(x = "", y = "Indice", color = "") + theme_minimal() 
Uma versão mais bonita do gráfico.
ggplot(b3, aes(x = time, y = valor, color = variavel)) +
geom_line(size = 1.05) +
geom_point(size = 1.2) +
labs(x = "", y = "Index", color = "") +
theme_minimal() +
scale_x_date(labels = date_format("%Y"), breaks = date_breaks("2 years")) +
theme(axis.text.x = element_text(angle = 0, hjust = 1)) +
scale_color_manual(
values = c(
"ouro" = "gold",
"cobre" = "#b87333",
"bauxita" = "gray80",
"ferro" = "gray35"
),
labels = c(
"ouro" = "Gold",
"cobre" = "Copper",
"bauxita" = "Aluminum",
"ferro" = "Iron"
)
)## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
A gente tem um grande aumento na CFEM, “royalties da mineração” em 2017, e precisávamos olhar se o aumento não foi guiado por preços. Não parece, 2016-2018, na verdade, é o vale dos preços. Mas se a gente olhar só para o ferro (o minério mais importante nas exportações brasileiras), parece que há sim um aumento bem razoável pós-2017. O índice sai de 100 para 180 entre 2017 e 2019, e em 2021 chega a valores maiores do que 300.
Outros preços com a mesma base
Eu não achei a base “amigável”, a forma de procurar os preços é bem enjoada. Daí, fiquei pensando se não é só falta de prática.
Vou olhar os dados dos preços de:
milho, açúcar, soja
café, trigo, algodão
petróleo
Essa parte é só para vocês saberem que basta saber o código de uma commodity que é possível baixar os preços.
#petroleo POILAPSP
#milho PMAIZMT
#cafe PCOFF
#algodao PCOTTIND
#soja PSOYB
#trigo PWHEAMT
# PSUGA
#c("POILAPSP", "PMAIZMT", "PCOFF", "PCOTTIND", "PSOYB", "PWHEAMT", "PSUGA")
pcps <- load_datasets("PCPS")
lista<-pcps$dimensions$commodity
d1<-pcps$get_series(freq="M", ref_area = "W00", commodity = c("POILAPSP", "PMAIZMT", "PCOFF", "PCOTTIND", "PSOYB", "PWHEAMT", "PSUGA"), unit_measure = "USD")
d2 <- tidyr::pivot_longer(d1, cols = -TIME_PERIOD, names_to = "variavel", values_to = "valor")
d3<-d2%>%filter(TIME_PERIOD>"1990-12")d3$time <- as.Date(paste0(d3$TIME_PERIOD, "-01"), format = "%Y-%m-%d")
d3$valor<-as.numeric(d3$valor)
d3 <- d3 %>% filter(variavel=="M.W00.PMAIZMT.USD")
ggplot(d3, aes(x = time, y = valor, color = as.factor(variavel))) + geom_line() + geom_point() + labs(x = "", y = "Indice", color = "") + theme_minimal() 
SIDRA
Parece feio, mas funciona.
A primeira coisa que você precisa é ter a library do Sidra
sidrar
A segunda coisa que você precisa é saber qual a tabela quer!
Isso você vai encontrar no site do Sidra.
Essa é uma amostra (site).
O passo a passo para pegar o código da tabela a gente vai fazer na monitoria.
library(sidrar)
inf =
'/t/1737/n1/all/v/2266/p/all/d/v2266%2013' %>%
get_sidra(api=.) ## All others arguments are desconsidered when 'api' is informed#https://apisidra.ibge.gov.br/values/t/1737/n1/all/v/63/p/all/d/v63%202
inf2 =
'/t/1737/n1/all/v/63/p/all/d/v63%202' %>%
get_sidra(api=.) ## All others arguments are desconsidered when 'api' is informed