O Instituto de Economia Gastão Vidigal da Associação Comercial de São Paulo (IEGV/ACSP) projeta crescimento de 2,1% nas vendas do comércio varejista brasileiro em 2026. A projeção, cujo recorte é inédito, cobre o chamado “varejo restrito”, categoria que reúne segmentos como supermercados, vestuário, móveis e eletrodomésticos, mas exclui veículos e material de construção.
Segundo o estudo, o varejo brasileiro vem desacelerando nos últimos meses, pressionado por juros altos e pelo alto endividamento das famílias, o que atinge com mais força produtos que costumam ser comprados a prazo, como eletrodomésticos e móveis.
O modelo, no entanto, projeta uma melhora gradual a partir do terceiro trimestre, puxada sobretudo por setembro e outubro, com o PIB devendo crescer também cerca de 2,1% no mesmo período.
Black Friday “rouba” peso de dezembro
Um dos achados do estudo é a queda histórica no salto de vendas entre novembro e dezembro, tradicionalmente puxado pelas compras de Natal. Em 2005, as vendas de dezembro superavam as de novembro em 41%. Em 2025, essa diferença já havia caído para 11,7%, uma retração constante ao longo de vinte anos. Para a Associação, a expansão da Black Friday e do comércio eletrônico antecipou parte dessas compras para novembro, achatando o pico tradicional de dezembro.
Na prática, isso significa que qualquer previsão de vendas de fim de ano que não considerar essa mudança corre o risco de superestimar as vendas de dezembro.
Composição inédita
O estudo, assinado pelo economista Ulisses Ruiz de Gamboa, utilizou oito métodos estatísticos diferentes, com apoio de ferramentas de inteligência artificial na etapa de programação, em composição inédita. Entre el a s estão técnicas conhecidas por siglas como ARIMA, VAR, VEC, BVAR e SVAR, um modelo estrutural, o Prophet e uma rede neural, tecnologia também usada em outras aplicações de inteligência artificial.
Em vez de escolher um único modelo, o instituto adotou como resultado principal a mediana (o valor central) das oito projeções. Segundo o estudo, essa combinação errou menos do que qualquer modelo isolado, incluindo o de melhor desempenho individual, baseado em rede neural, e foi testada repetidas vezes contra dados reais dos últimos quase quatro anos antes de ser adotada como método preferido.
