A Petrobras está barata?


Em seu último post, Damodaran resolveu falar da Petrobras. Sobre a gestão recente da companhia, sua opinião pode ser resumida na seguinte frase:

Put in brutally direct terms, if you were given a valuable business and given the perverse objective of destroying it completely and quickly, you should replicate what Petrobras has done (…)

Damoradan fez também um valuation bem simples. Nas combinações abaixo, são poucos os cenários em que o valor da empresa fica acima do atual valor de mercado – mas ainda restam alguns aos esperançosos.

Note que os valores estão em dólar (ou seja, o valor atual da petro estaria em torno de $3,00 a $3,30 dólares).

PBRpricematrix

E se você quiser brincar com outras hipóteses, baixe a planilha em Excel aqui.

 

Greg Mankiw e Piketty sobre O Capital no Século 21, Várias discussões de Economia Comportamental, Olivier Blanchard sobre a macroeconomia após a crise e outros.


Lucas Mation me passou a dica: os webcasts das principais sessões do encontro da American Economic Association estão disponíveis.

A Discussion of Thomas Piketty’s “Capital in the 21st Century” 
Presiding: N. Gregory Mankiw
Capital and Wealth in the 21st Century David N. Weil
Capital Taxation in the 21st Century Alan J. Auerbach and Kevin Hassett
Yes, r>g. So what? N. Gregory Mankiw
About Capital in the 21st Century Thomas Piketty
View Webcast

The Undismal Science
Presiding: Richard Thaler
Tackling Tempation Katherine L. Milkman
Design and Effectiveness of Public Health Subsidies in Poor Countries Pascaline Dupas
Racial Inequality in the 21st Century: The Declining Signficance of Discrimination Roland Fryer
The Micro of Macro Amir Sufi
View Webcast

AEA/AFA Joint Luncheon: Dark Corners: Reassessing Macroeconomics after the Crisis
Olivier Blanchard, introduced by Richard Thaler
View Webcast

The Economics of Secular Stagnation
Presiding: Robert E. Hall
Secular Stagnation: A Supply Side View Robert Gordon
Secular Stagnation: A Demand Side View Lawrence H. Summers
Does History Lend Any Support to the Secular Stagnation Hypothesis? Barry Eichengreen
Discussants: Robert E. Hall; William Nordhaus; N. Gregory Mankiw
View Webcast

Richard T. Ely Lecture “Behavioral Economics and Public Policy”
Raj Chetty, introduced by Richard Thaler
View Webcast

AEA Nobel Laureate Luncheon: Empirical Analysis of Asset Prices
Per Stomberg
Also: Richard Thaler; Tobias Moskowitz; Monikia Piazzesi; Nicholas Barberis
View Webcast

Measuring and Changing Cognitive and Biological Processes in Economic Choice: Why and How (Tutorial Lecture)
Colin Camerer, introduced by Richard Thaler
View Webcast

AEA Awards Ceremony and Presidential Address: Climate Clubs
William Nordhaus, introduced by Richard Thaler
View Webcast

Pesquisa Nacional de Saúde, Pesquisa Brasileira de Mídia, Como o comportamento dos outros te influencia? E um cartoon.


Alguns links interessantes

1. No final do ano, saíram os microdados da Pesquisa Nacional de Saúde.

2. Também saiu a Pesquisa Brasileira de Mídia 2015.

3. Quanto o comportamento dos outros te influencia?

Pedro Gardete, professor de Stanford, fez a seguinte pergunta:  se um passageiro que você não conhece, sentado ao seu lado, compra algo, o quanto isto aumenta probabilidade de você comprar também? Como ele possuía dados das reservas dos vôos, além de excluir amigos que voavam juntos, pôde controlar outros fatores. Foram analisadas 65.525 transações, em 1.966 vôos, totalizando mais de 257 mil passageiros.

Resultado: em geral, caso alguém a seu lado compre algo, suas chances de comprar também aumentam em cerca de 30%. 

4. Para finalizar, um cartoon.  Mais uma boa do SMBC:

20141230

Twitter para economistas, salte antes e economize 50% na passagem e os debates nos periódicos de economia


Alguns links interessantes:

1) Justin Wolfers fez uma apresentação interessante na conferência anual da American Economic Association com o tema Twitter for Economists. Veio bem a calhar, já que o blog acabou fazer um twitter (que você pode seguir aqui).

2) Sobre concorrência, contratos e direitos de propriedade: um programador criou um sistema para ajudar viajantes a encontrarem passagens mais baratas saltando nas conexões – e não no destino final. No site, Skiplagged.com, você encontra algumas passagens que chegam a ser 50% mais baratas. Companhias aéreas não gostaram da “concorrência” e entraram com um processo.

3) Os debates estão caindo nos top journals de economia? Se sim, quais as razões? 

Erro de medida, preços de imóveis e growth regressions.


Em post passado falamos de erro de medida com o cartoon do Calvin. Hoje, enquanto mexia numa base de dados de imóveis de Brasília para passar algumas consultas para um amigo,  pensei em voltar no assunto. Dados de oferta de imóveis podem fornecer uma ilustração simples e fácil do problema.

Preços declarados online variam desde 1 centavo até R$ 950 milhões. Tamanhos declarados online vão desde 0.01 metro quadrado até 880 mil metros quadrados. Em outras palavras, o erro de medida pode ser grande. E, neste caso,  felizmente, isso é fácil de perceber, pois todos nós temos alguma noção do que são valores razoáveis. Não existe apartamento de 0.01 metro quadrado.

Como isso afeta modelos usuais, tais como uma regressão linear?

Resumidamente: bastam alguns pontos extremos para atrapalhar muito. A regressão linear é extremamente sensível a outliers e erros de observação. 

Para ilustrar, façamos a regressão de preços de venda de apartamento contra a metragem do imóvel, nos dados brutos, sem qualquer tratamento. Temos 13.200 observações. A equação resultante foi:

preço = 1.770.902,90  + 2,68 m2

Isto é, segundo a estimativa, cada metro quadrado a mais no imóvel aumentaria seu preço, em média, em R$ 2,68. Não é preciso ser um especialista da área para ver que resultado é patentemente absurdo.

E o que acontece com a estimativa se limparmos a base de dados? Tirando apenas 200 observações das 13.200 (1,5% dos dados), obtemos a seguinte equação:

preço = -45.500,44 + 9.989,81 * m2

Agora, cada metro quadrado a mais está associado a um aumento de R$9.989,81 nos preços, em média – de acordo com o senso comum (infelizmente) para a cidade de Brasília. Ou seja, com a regressão sem tratamento dos dados, você subestimaria o efeito em nada menos do que 3 mil e 700 vezes.

***

O caso anterior é fácil de identificar, mas no dia a dia nem sempre isso ocorre. E é comum tomar dados oficiais por seu valor de face.

Quer um exemplo?

A Penn World Tables, na versão 6.1, publicou uma queda de 36% no PIB da Tanzânia em 1988. Isso levou Durlauf e outros autores a colocarem em seu texto, Growth Econometrics, o “caso” da Tanzânia como um dos top 10 de queda do produto (vide tabela 8). Entretanto, na versão 7.1 da Penn Tables,  os dados mostram um crescimento de 8% para Tanzânia, para o mesmo ano! Se um dado como esse já pode ser muito enganoso apenas como estatística descritiva,  imagine o efeito em growth regressions com regressões lineares e variáveis instrumentais.

PS1: o legal é que o próprio texto do Durlauf tem uma seção bacana sobre erro de medida!

PS2: Sobre dados de PIB da África,  livro recente do Jerven, Poor Numbers, discute muitos desses problemas.

Trabalhar como economista/cientista de dados no facebook: o que é preciso?


Será que você – ou o seu programa de doutorado – está em sintonia  com as demandas de um economista/cientista de dados moderno, como um economista no facebook?

Segue abaixo a tradução livre que fiz dos trechos relevantes de uma oferta de emprego:

O Facebook está buscando economistas excepcionais para se juntar à nossa equipe de Ciência de Dados. Os indivíduos deverão ter uma compreensão profunda da análise causal – desde a criação e análise de experimentos até o trabalho com dados complexos ou não estruturados. Economistas no Facebook criam e executam projetos em áreas como o design de mercado online, previsão, análise de redes, design de leilão, comportamento do consumidor e economia comportamental.

Algumas habilidades requeridas ou desejáveis:

  • Doutorado em Economia ou um campo relevante;
  • Ampla experiência na resolução de problemas analíticos utilizando abordagens quantitativas;
  • Confortável com a manipulação e análise de dados complexos, de alto volume e alta-dimensionalidade de fontes variadas;
  • Conhecimento especializado de uma ferramenta de análise, tais como R, Matlab, ou Stata;
  • Experiência com os dados on-line: a mineração da web social, webscraping de  websites, puxar dados de APIs, etc;
  • Confortável na linha de comando e com ferramentas unix;
  • Fluência em pelo menos uma linguagem de script como Python ou Ruby;
  • Familiaridade com bancos de dados relacionais e SQL;
  • Experiência de trabalho com grandes conjuntos de dados ou ferramentas de computação distribuída (Map/Reduce, Hadoop, Hive, etc.).