Coletando dados da SELIC com o Python

A Selic é a taxa básica de juros da economia brasileira, configurando-se como um dos principais instrumentos de política monetária no país. Neste post de hoje, mostramos como é possível obter os dados da Taxa Selic Meta utilizando o Python.

Para obter os dados da Taxa Selic Meta, é necessário utilizarmos a biblioteca {python-bcb}, em conjunto com seu módulo sgs, de forma que possamos importar os dados do Sistema Gerenciador de Séries Temporais do Banco Central (SGS).

Portanto, iremos instalar e carregar as bibliotecas necessárias.

Em seguida, devemos buscar o código da série da Taxa Meta Selic no site do SGS, que é disponibilizado pelo código 432. Com o código em mãos, utilizamos a função sgs.get(), com argumentos 'selic' (para o nome da coluna no data frame importado) e '432', referente ao código para a importação. Veja que configuramos um período de início, a partir de 2010.

Será importado um Data Frame, no qual poderemos realizar manipulações e visualizações.

________________________________________

Quer saber mais?

Veja nossos cursos de Macroeconomia através da nossa trilha de Macroeconomia Aplicada.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Construindo RAG para Análise do COPOM com SmolAgents

Este exercício demonstra, passo a passo, como aplicar o conceito de Retrieval-Augmented Generation (RAG) com agentes inteligentes na análise de documentos econômicos. Utilizando a biblioteca SmolAgents, desenvolvemos um agente capaz de interpretar e responder a perguntas sobre as atas do COPOM com base em buscas semânticas.

Como criar um Agente de IA?

Unindo conhecimentos sobre Tools, LLMs e Vector Stores, agora é hora de integrar diferentes conceitos e aprender a construir um Agente de IA completo. Neste post, nosso objetivo será criar um Agente capaz de responder perguntas sobre o cenário macroeconômico brasileiro, utilizando dados de expectativas de mercado do Boletim Focus do Banco Central do Brasil (BCB) e o framework LangChain no Python.

Como criar um Supervisor de Agentes com LangGraph

Este tutorial mostra como construir um supervisor multiagente usando LangGraph, integrando dois agentes especialistas: um focado em pesquisa na internet com Tavily e outro especializado em operações matemáticas. Para orquestrar esses agentes, utilizamos o modelo Gemini 2.0 da Google.

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.