Saltar para o conteúdo
DGE
Total de conteúdos:21.369

Taxa de Desemprego – Eurostat

Em maio de 2024, a taxa de desemprego (ajustada para a sazonalidade) estimada para Portugal foi 6,5%, aumentando 0,1 p.p. em relação à percentagem registada no mês anterior (6,4%). Em termos homólogos, a taxa de desemprego registou também uma subida de 0,1 p.p. (6,4%).

Para Espanha, a taxa de desemprego estimada, em maio de 2024, situou-se em 11,7%, permanecendo inalterada em relação ao mês anterior (11,7%) e apresentou uma variação de -0,3 p.p. face ao verificado no período homólogo (12,0%).

Para a Zona Euro, o Eurostat estima que a taxa de desemprego, em maio de 2024, se tenha situado em 6,4%, mantendo-se constante em relação ao mês anterior (6,4%) e diminuindo 0,1 p.p. em termos homólogos (6,5%). Na UE27, a taxa de desemprego estimada foi 6,0%, estabilizando relativamente ao mês anterior.

14

Em maio de 2024, o Eurostat estima que a taxa de desemprego <25 anos registada em Portugal tenha sido de 23,0%, aumentando 1,3 p.p. em relação ao mês anterior. Em termos homólogos, registou uma subida de 4,4 p.p. (18,6%). Para o mesmo período, a taxa de desemprego ≥25 anos estimada foi 5,3%, aumentando 0,1 p.p. relativamente ao mês precedente.

Para Espanha, a taxa de desemprego <25 anos estimada situou-se em 26,6%, em maio de 2024, permanecendo inalterado face ao mês anterior e registando uma variação de -1,4 p.p. face ao verificado no período homólogo (28,0%). Para o mesmo período, a taxa de desemprego ≥25 anos estimada foi 10,5%, estabilizando em relação ao mês de abril de 2024 (10,5%)

Para a Zona Euro, a taxa de desemprego <25 anos fixou-se, em maio de 2024, nos 14,2%, mantendo-se constante em relação ao mês anterior. Para o mesmo período, a taxa de desemprego ≥25 anos estimada foi 5,6%, permanecendo inalterado em relação a abril de 2024. Na UE27, a taxa de desemprego <25 anos foi 14,4%, diminuindo 0,1 p.p. em relação ao mês anterior, e a taxa de desemprego ≥25 anos foi 5,2%, o mesmo valor que no mês anterior.

15

Download PDF

Vendas de Veículos Automóveis – ACAP

De acordo com a Associação do Comércio Automóvel de Portugal (ACAP), no mês de junho de 2024, foram matriculados 24.561 veículos, o que representa uma diminuição homóloga de 4,7%. A categoria de Veículos Pesados apresentou um aumento de 56,4% (VH), a de Veículos Ligeiros de Passageiros registou uma variação homóloga de -8,4% e a categoria de Veículos Comerciais Ligeiros apresentou uma variação homóloga de 10,1%.

Entre janeiro e junho de 2024 foram matriculados 137.195 veículos, o que representa um aumento homólogo de 7,8%. A categoria de Veículos Pesados apresentou um aumento de 14,7% (variação homóloga acumulada – VHA), a de Veículos Ligeiros de Passageiros registou uma variação homóloga acumulada de 5,7% e a categoria de Veículos Comerciais Ligeiros apresentou um aumento de 22,9% (VHA).

11

De janeiro a junho de 2024, as matrículas de veículos ligeiros de passageiros totalizaram 116 416 unidades, sendo a distribuição dos veículos ligeiros de passageiros por fonte de energia a seguinte:

12

Download PDF

Índice de Produção Industrial – INE

Em maio de 2024, o Índice de Produção Industrial (ajustado dos efeitos de calendário e da sazonalidade) registou uma variação homóloga (VH) de 0,9%, o que corresponde a uma diminuição 4,7 pontos percentuais (p.p.) relativamente à do mês anterior (5,6%).

Os agrupamentos industriais de Bens de Consumo e de Energia registaram variações homólogas de 0,1% e 13,4%, respetivamente. Os Bens Intermédios registaram uma variação homóloga de -1,8%.

A variação média dos últimos 12 meses do Índice de Produção Industrial foi de -1,5%, aumentando 0,6 p.p. em relação ao mês anterior.

9

As secções das Indústrias Transformadoras e da Eletricidade e Gás registaram variações homólogas de -0,7% e 13,1%, respetivamente.

10

Download PDF

Taxas de Câmbio – BCE

No mês de junho de 2024, 1,0000 Euro (EUR) equivaleu, em média, a 1,0759 Dólares americanos (USD).

As taxas de câmbio de algumas moedas (valor da média mensal) face ao Euro (EUR) foram as seguintes:

   

junho de 2023

maio de 2024

junho de 2024

Dólar dos EUA

USD

1,0840

1,0812

1,0759

Libra Esterlina

GBP

0,8586

0,8556

0,8464

Franco Suíço

CHF

0,9764

0,9830

0,9616

Iene

JPY

153,15

168,54

169,81

5

6

7

8

Download PDF

Dívida Pública – Banco de Portugal

Segundo o Banco de Portugal, em maio de 2024, a Dívida Pública situou-se em 277,1 mil milhões de euros, o que representa um aumento de 3,7 mil milhões de euros face ao mês anterior e uma diminuição de 2,9 mil milhões de euros face ao mês homólogo.

A instituição refere que subida refletiu o acréscimo de 5,3 mil milhões de euros nos títulos de dívida (bilhetes e obrigações do Tesouro), que mais do que compensou a redução de 1,4 mil milhões nos empréstimos, principalmente de curto prazo, e de 0,2 mil milhões nas responsabilidades em depósitos.

3

Em março de 2024, a Dívida Pública foi de 100,4% do PIB, o que representa uma variação de 1,3 p.p. face ao trimestre anterior e de -12,0 p.p. face ao trimestre homólogo.

4

Download PDF

Estimativas Mensais de Emprego e Desemprego – INE

A população empregada, em maio de 2024, foi estimada em 5.016,6 mil pessoas, quase sem alteração face ao mês anterior (-0,3 mil pessoas). A taxa de emprego estimada situou-se em 64,2%, tendo diminuído 0,1 p.p. face ao mês anterior (revista em alta de 64,1% para 64,3%).

1

A população desempregada, estimada em 351,0 mil pessoas, aumentou 2,5% em relação ao valor registado para o mês anterior (8,4 mil pessoas). A taxa de desemprego estimada situou-se em 6,5%, tendo aumentado 0,1 p.p. em relação ao mês anterior (revista em alta de 6,3% para 6,4%).

A taxa de desemprego estimada de jovens situou-se em 23,0%, tendo aumentado 1,3 p.p. em relação ao mês anterior (revista em baixa de 22,2% para 21,7%). A taxa de desemprego estimada dos adultos situou-se em 5,3% e aumentou 0,1 p.p. em relação ao mês anterior.

2

Em maio de 2024, a estimativa provisória da taxa de emprego não ajustada de sazonalidade foi de 64,3% (64,2% no mês anterior) e a estimativa provisória da taxa de desemprego não ajustada de sazonalidade foi de 6,3% (6,4% no mês anterior).

Nota: Os valores relativos ao último mês são provisórios e os relativos aos meses anteriores são definitivos.

Download PDF

GEE PAPERS VENCEDORES DA CALL FOR PAPERS SOBRE INTELIGÊNCIA ARTIFICIAL – GEE/GOOGLE/APDSI

Concluída a Call for Papers sobre “Inteligência Artificial em Portugal: Inovações, Desafios e Impactos na Economia”, uma organização do Gabinete de Estratégia e Estudos (GEE) com o apoio da Google e da Associação para a Promoção e Desenvolvimento da Sociedade da Informação (APDSI), divulgamos os papers vencedores.

• “Artificial Intelligence in Agriculture: Revolutionizing Methods and Practices in Portugal”, Maria José Sousa (ISCTE-IUL)
• “EU-funded investment in Artificial Intelligence and regional specialization”, Anabela Marques Santos, Francesco Molica e Carlos Torrecilla Salinas (JRC)
• “Distance to Export: A Machine Learning Approach with Portuguese Firms”, Paulo Barbosa (AICEP e ISEG), João Cortes (AICEP) e João Amador (BdP e Nova SBE)

Distance to Export: A Machine Learning Approach with Portuguese Firms

This paper estimates how distant a firm is from becoming a successful exporter. The empirical exercise uses very rich data for Portuguese firms and assumes that there are non-trivial determinants to distinguish between exporters and non-exporters. An array of machine learning models – Bayesian Additive Regression Tree (BART), Missingness not at Random (BART-MIA), Random Forest, Logit Regression and Neural Networks – are trained to predict firms’ export probability and shed light on the critical factors driving the transition to successful export ventures. Neural Networks outperform the other techniques and remain highly accurate when we change the export definitions and the training and testing strategies. We show that the most influential variables for prediction are labour productivity, firms’ goods and services imports, capital intensity and wages.

Abstract and Download

EU-funded investment in Artificial Intelligence and regional specialization

Artificial Intelligence (AI) is seen as a disruptive and transformative technology with the potential to impact on all societal aspects, but particularly on competitiveness and growth. While its development and use has grown exponentially over the last decade, its uptake between and within countries is very heterogeneous. The paper assesses the geographical distribution at NUTS2-level of EU-funded investments related to AI during the programming period 2014-2020. It also examines the relationship between this specialization pattern and regional characteristics using a spatial autoregressive model. Such an analysis provides a first look at the geography of public investment in AI in Europe, which has never been done before.
Results show that in the period 2014-2020, around 8 billion EUR of EU funds were targeted for AI investments in the European regions. More developed regions have a higher specialization in AI EU-funded investments. This specialization also generates spillover effects that enhance similar specialization patterns in neighboring regions. AI-related investments are more concentrated in regions with a higher concentration of ICT activities and that are more innovative, highlighting the importance of agglomeration effects. Regions that have selected AI as an innovation priority for their Smart Specialization Strategies are also more likely to have a higher funding specialization in AI. Such findings are very relevant for policymakers as they show that AI-related investments are already highly spatially concentrated. This highlights the importance for less-developed regions to keep accessing to sufficient amounts of pre-allocated cohesion funds and to devote them for AI-related opportunities in the future.

Abstract and Download