IBRE/FGV lança Indicador de Incerteza Econômica

O IBRE/FGV lançou ontem o Indicador de Incerteza da Economia Brasileira, composto por três medidas: "i) a primeira, IIE-Br-Mídia, é baseada na frequência de notícias com menção à incerteza; ii) a segunda, IIE-Br-Expectativa, é construída a partir das dispersões das previsões de especialistas para a taxa de câmbio e para o IPCA; e iii) o último componente é baseado na volatilidade do mercado financeiro, o IIE-Br Mercado". Para os interessados, abaixo um rápido script para baixar os dados do site do IBRE e fazer um gráfico...

######################################
##### Incerteza econômica ############


library(XLConnect)
library(ggplot2)

## Importar dados

temp <- tempfile()
url <- 'http://bit.ly/SHincertezanov16'
download.file(url, temp, mode='wb')
data <- loadWorkbook(temp)
data <- readWorksheet(data, sheet=1, colTypes = c('POSIXt', 'numeric'))

## Gráfico

ggplot(data, aes(x=Data, y=IIEBR))+
 geom_line(size=.8, colour='darkblue')+
 xlab('')+
 ylab('')+
 labs(title='Índice de Incerteza Econômica do IBRE/FGV')+
 theme(plot.title = element_text(hjust = 0.5))

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

O que é um Vector Database e como criar um com LangChain

Nesta postagem, mostramos como construir um pipeline simples de RAG (Retrieval-Augmented Generation) usando o LangChain, o modelo Gemini 2.0 Flash e o Vector Database Chroma. Utilizamos como exemplo o Relatório de Inflação de junho de 2025 do Banco Central do Brasil. O fluxo envolve o download e leitura do PDF, divisão do texto com RecursiveCharacterTextSplitter, geração de embeddings com Gemini, armazenamento vetorial com Chroma e busca semântica para responder perguntas com base no conteúdo do relatório. É uma aplicação prática e didática para economistas que desejam integrar IA ao seu fluxo de análise.

Automatizando a Construção de Códigos em Python com LangGraph

Neste post, mostramos como construir um agente de código em Python utilizando LangGraph, LangChain e Gemini. A proposta é construir um protótipo para automatizar o ciclo completo de geração, execução e correção de código com o uso de LLMs, organizando o processo em um grafo de estados.

Análise de Dados com REPL Tool e LLM usando LangGraph

Neste post, vamos mostrar como você pode criar um agente que interpreta e executa código Python em tempo real, utilizando o REPL-Tool e um LLM da família Gemini. Começamos com um exemplo genérico e, em seguida, aplicamos a mesma estrutura à análise econômica de uma série histórica do IPCA.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.