Login
Login

Formação online

Especialista em Macroeconomia Aplicada

Construa análises econômicas com sólida base quantitativa, através do uso intensivo das principais ferramentas analíticas disponíveis no mercado

O que você será capaz de fazer

Você terá acesso a um programa mão na massa que o levará do absoluto ZERO até a implementação de um ambiente automatizado que envolve a coleta, tratamento, modelagem e apresentação de dados macroeconômicos.

Quais habilidades eu aprenderei

  • Aprenderá a programar em R e Python
  • Aprenderá os principais conceitos macroeconômicos
  • Terá total domínio sobre como coletar e tratar dados macroeconômicos
  • Entenderá a macroeconomia através de uma sólida análise quantitativa envolvendo modelos econométricos
  • Aprenderá a construir modelos voltados para previsão macroeconômica
  • Aprenderá a automatizar todo o processo de coleta, tratamento, modelagem e apresentação de resultados de modelos preditivos
  • Será referência no uso de ciência de dados voltada para macroeconomia aplicada

Quais ferramentas eu usarei

Para quem este treinamento é indicado

Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry’s standard dummy text ever since the 1500s.

Estudantes de Graduação

Mesmo ainda na graduação, sem experiência com programação, você já pode se diferenciar dos seus colegas ao investir em sua futura carreria em ciência de dados.

Professores e Acadêmicos

Utilize o poder das linguagens de programação mais modernas do mercado como o R e o Python para produzir trabalho acadêmicos com mais facilidade e agilidade.

Profissionais de Mercado

Chega de lidar com planilhas Excel confusas e tarefas repetitivas. Ao dominar Ciência de Dados, você ganha o poder de automatizar as tarefas repetitivas do seu dia-a-dia.

O que você aprenderá neste treinamento

Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry’s standard dummy text ever since the 1500s.

Linguagem R

Neste módulo você será apresentado ao mundo tidyverse, a evolução da linguagem R. Uma introdução qualificada a poderosos pacotes construídos exclusivamente para lidar com coleta, tratamento, análise e apresentação de dados.

Macroeconomia

Neste módulo você será apresentado a teoria macroeconômica da forma como ela é vista pelos que a praticam no dia a dia. Os conceitos teóricos da disciplina são definidos e então mostrados na prática, através do uso do R e do Python

Análise de conjuntura

Avance no mundo da macro com esse módulo totalmente revisado na sua quinta versão! Você aprenderá o que há de mais avançado em coleta, tratamento e visualização de dados macroeconômicos com o R.

Previsão macroeconométrica

Neste módulo você aprenderá a construir modelos econométricos voltados para a previsão de variáveis macroeconômicas.

Modelos preditivos

Neste módulo você aprenderá a construir modelos de Machine Learning integrados à dashboards interativos voltados para a previsão de variáveis macroeconômicas como IPCA, IGP-M, PIB, produção industrial, vendas do varejo, serviços, variáveis fiscais, câmbio, entre outras.

Teoria da política monetária

O objetivo deste módulo é o de apresentar os principais desenvolvimentos da moderna teoria de política monetária. Desde a contribuição seminal de Theil-Tinbergen até os pequenos modelos estruturais novo-keynesianos.
Anterior
Próximo

Quem já fez essa trilha

Como estudar os cursos

Este curso não apresenta pré-requisitos

  • O curso foi pensado para pessoas que desejam sair do ZERO absoluto e se tornarem referência no uso de ciência de dados para macroeconomia aplicada.
  • Separe 1 hora por dia para estudar através das videoaulas e conclua o curso em até 26 meses.
  • São 48 meses para ver e rever o conteúdo quantas vezes quiser.
  • Replique os códigos e exemplos propostos ao longo do Curso para fixar o conhecimento.
  • Tire suas dúvidas individualmente em um chat exclusivo do aluno diretamente com nossos professores.

(Curso revisado e atualizado - Versão 2023)

Suporte individualizado

Programação dos cursos

Programação em R para Análise de Dados
  • Aula 01 – Por que usar uma linguagem de programação para analisar dados?
  • Aula 02 – Instalando os programas necessários
  • Aula 03 – Instalando pacotes e entendendo as mensagens no Console
  • Aula 04 – Introdução ao mundo `tidyverse`
  • Aula 05 – Criando `scripts`
  • Aula 06 – Lidando com objetos no R
  • Aula 07 – Estruturas de Dados (data frames, listas, matrizes, vetores)
  • Aula 08 – Operadores lógicos e aritméticos
  • Aula 09 – O operador `pipe`
  • Aula 10 – Funções
  • Aula 11 – Estruturas de repetição e de decisão
  • Aula 12 – Introdução à coleta de dados
  • Aula 13 – Trabalhando com arquivos .csv
  • Aula 14 – Trabalhando com arquivos Excel
  • Aula 15 – O que são APIs e como utilizá-las?
  • Aula 16 – Consumindo dados brasileiros
  • Aula 17 – Trabalhando com SQL
  • Aula 18 – Trabalhando com Google Sheets
  • Aula 19 – Trabalhando com Google Drive
  • Aula 20 – Trabalhando com arquivos JSON
  • Aula 21 – Trabalhando com arquivos XML
  • Aula 22 – Exportando dados
  • Aula 23 – Introdução à Web Scraping
  • Aula 24 – Introdução à limpeza de dados
  • Aula 25 – Tratamento de dados textuais
  • Aula 26 – Renomeando colunas
  • Aula 27 – Selecionando colunas
  • Aula 28 – Como criar e alterar colunas
  • Aula 29 – Como aplicar filtros em linhas
  • Aula 30 – Como fazer operações por grupos de dados
  • Aula 31 – Como sumarizar os dados
  • Aula 32 – Formato long vs wide
  • Aula 33 – Como fazer cruzamento de dados
  • Aula 34 – Lidando com datas no R
  • Aula 35 – Identificando e tratando dados faltantes
  • Aula 36 – Como deflacionar uma série
  • Aula 37 – Como fazer ajuste sazonal
  • Aula 38 – Introdução à visualização de dados e *storytelling*
  • Aula 39 – Produzindo gráficos com ggplot2
  • Aula 40 – Produzindo relatórios com RMarkdown
  • Aula 41 – Produzindo dashboards
  • Aula 42 – Como automatizar o processo de análise de dados?
Programação em Python para Análise de Dados
  • Aula 01 – Por que usar uma linguagem de programação para analisar dados?
  • Aula 02 – Escolhendo uma IDE e trabalhando com o `Google Colab`
  • Aula 03 – Instalando pacotes e entendendo as mensagens
  • Aula 04 – Introdução ao `pandas` e `numpy`
  • Aula 05 – Criando `scripts`
  • Aula 06 – Lidando com objetos no Python
  • Aula 07 – Estruturas de Dados (data frames, listas, matrizes, vetores)
  • Aula 08 – Operadores lógicos
  • Aula 09 – operadores aritméticos
  • Aula 10 – Funções
  • Aula 11 – Estruturas de repetição e de decisão
  • Aula 12 – Introdução à coleta de dados
  • Aula 13 – Trabalhando com arquivos .csv
  • Aula 14 – Trabalhando com arquivos Excel
  • Aula 15 – O que são APIs e como utilizá-las?
  • Aula 16 – Consumindo dados brasileiros
  • Aula 17 – Trabalhando com SQL
  • Aula 18 – Trabalhando com Google Sheets
  • Aula 19 – Trabalhando com Google Drive
  • Aula 20 – Trabalhando com arquivos JSON
  • Aula 21 – Trabalhando com arquivos XML
  • Aula 22 – Exportando dados
  • Aula 23 – Introdução à Web Scraping
  • Aula 24 – Introdução à limpeza de dados
  • Aula 25 – Tratamento de dados textuais
  • Aula 26 – Renomeando colunas
  • Aula 27 – Selecionando colunas
  • Aula 28 – Como criar e alterar colunas
  • Aula 29 – Como aplicar filtros em linhas
  • Aula 30 – Como fazer operações por grupos de dados
  • Aula 31 – Como sumarizar os dados
  • Aula 32 – Formato long vs wide
  • Aula 33 – Como fazer cruzamento de dados
  • Aula 34 – Lidando com datas no Python
  • Aula 35 – Identificando e tratando dados faltantes
  • Aula 36 – Como deflacionar uma série
  • Aula 37 – Como fazer ajuste sazonal
  • Aula 38 – Introdução à visualização de dados e *storytelling*
  • Aula 39 – Produzindo gráficos
  • Aula 40 – Produzindo relatórios
  • Aula 41 – Produzindo dashboards
  • Aula 42 – Como automatizar o processo de análise de dados?
Estatística para Análise de Dados
  • Aula 01 – Preparando o ambiente
  • Aula 02 – Dados Univariados: vetores, estatísticas descritivas e dados categóricos
  • Aula 03 – Dados Bivariados: amostras independentes, estruturas de dados no R/Python e dados emparelhados
  • Aula 04 – Dados Multivariados: data frames, aplicando funções sobre dados e dados externos
  • Aula 05 – Gráficos Multivariados: gráficos básicos, ggplot2 e matplotlib
  • Aula 06 – População: variáveis aleatórias discretas e diferentes tipos de distribuição
  • Aula 07 – Inferência Estatística
  • Aula 08 – Intervalos de Confiança
  • Aula 09 – Testes de Significância
  • Aula 10 – Qualidade do Ajuste
  • Aula 11 – Regressão Linear
  • Aula 12 – Análise de Variância
  • Aula 13 – Extensões: modelos lineares generalizados e modelos não lineares
Econometria Aplicada
  • Aula 01 – Preparando o ambiente;
  • Aula 02 – Regressão linear simples;
  • Aula 03 – Regressão linear múltipla: estimação;
  • Aula 04 – Regressão linear múltipla: inferência;
  • Aula 05 – Regressão linear múltipla: OLS assintótico;
  • Aula 06 – Regressão linear múltipla: outros problemas;
  • Aula 07 – Regressão linear múltipla com variáveis qualitativas;
  • Aula 08 – Heterocedasticidade;
  • Aula 09 – Mais em especificações e problemas de dados
Análise de Séries Temporais
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Características de Séries Temporais;
  • Aula 03 – Regressão de Séries Temporais e Análise Exploratória de Dados;
  • Aula 04 – Estudo de Caso: Estimando uma Curva IS via OLS, TSLS e GMM;
  • Aula 05 – Introdução a Modelos Univariados;
  • Aula 06 – Funções de Autocorrelação;
  • Aula 07 – Processos ARMA;
  • Aula 08 – Testes de Estacionariedade;
  • Aula 09 – Metodologia Box-Jenkins: construindo modelos univariados de previsão;
  • Aula 10 – Estudo de Caso: construindo um modelo SARIMA para a inflação brasileira;
  • Aula 11 – Introdução a Modelos Multivariados;
  • Aula 12 – Vetores Autorregressivos;
  • Aula 13 – Estudo de Caso: usando modelos VAR para previsão;
  • Aula 14 – Modelo VAR Estrutural (SVAR);
  • Aula 15 – Estudo de Caso: Análise de funções impulso-resposta;
  • Aula 16 – Regressões Espúrias;
  • Aula 17 – O conceito de cointegração e o modelo de correção de erros;
  • Aula 18 – Estudo de Caso: Dívida Bruta e Incerteza Econômica;
  • Aula 19 – A metodologia de Johansen e o Vetor de Correção de Erros (VEC);
  • Aula 20 – Estudo de Caso: Previsão do Desemprego medido pela PNAD através de um modelo VEC;
  • Aula 21 – VEC Estrutural;
  • Aula 22 – Teste de Causalidade de Granger;
  • Aula 23 – O procedimento de Toda-Yamamoto;
  • Aula 24 – Estudo de Caso: Consumo de Energia Elétrica e Crescimento do PIB;
  • Aula 25 – Estudo de Caso: Uma comparação econométrica entre o CAGED e a PNAD Contínua;
Machine Learning
  • Aula 01 – Introdução à Machine Learning;
  • Aula 02 – Entendendo os dados;
  • Aula 03 – Regressão Linear;
  • Aula 04 – Classificação;
  • Aula 05 – Classificação usando algoritmos k-NN;
  • Aula 06 – Classificação usando Naive Bayes;
  • Aula 07 – Árvores de Decisão;
  • Aula 08 – Previsão numérica usando métodos de regressão;
  • Aula 09 – Redes Neurais;
  • Aula 10 – Support Vector Machine (SVM);
  • Aula 11 – Detecção de padrões com regras de associação;
  • Aula 12 – Clustering;
  • Aula 13 – Métodos de Reamostragem;
  • Aula 14 – Seleção e regularização linear de modelos;
  • Aula 15 – Bagging, Random Forests e Boosting;
  • Aula 16 – Avaliando o desempenho do modelo;
  • Aula 17 – Aumentando o desempenho do modelo
Teoria Macroeconômica
  • Aula 01 – Introdução à Macroeconomia;
  • Projeto de Curso 01 – Deflacionando dados no R e Python;
  • Aula 02 – Contas Nacionais Trimestrais;
  • Projeto de Curso 02 – Análise das Contas Nacionais do SIDRA no R e no Python;
  • Aula 03 – A economia no curto prazo: entendendo o ciclo econômico e o hiato do produto;
  • Projeto de Curso 03a – Construindo o hiato do produto no R e no Python;
  • Projeto de Curso 03b – Datação de Ciclos Econômicos com o Algoritmo Harding-Pagan (2002);
  • Aula 04 – A economia no longo prazo: modelo de Solow e suas extensões;
  • Projeto de Curso 04 – Implementando o modelo do Solow no R no Python;
  • Aula 05 – Economia Intertemporal: a microeconomia por trás da macro;
  • Projeto de Curso 05 – Análise de Microdados da PNAD Contínua;
  • Aula 06 – Política Econômica;
  • Projeto de Curso 06 – Análise das Atas do Copom via Text Mining;
Análise de Conjuntura
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Fundamentos Estatísticos necessários para trabalhar com dados macroeconômicos;
  • Aula 03 – Coletando dados macroeconômicos com R e Python;
  • Aula 04 – Coleta e tratamento de dados do PIB com R e Python;
  • Aula 05 – Coleta e tratamento de dados das Vendas do Comércio com R e Python;
  • Aula 06 – Coleta e tratamento de dados da Pesquisa Mensal de Serviços com R e Python;
  • Aula 07 – Coleta e tratamento da Produção Industrial com R e Python;
  • Aula 08 – Coleta e tratamento de dados da PNAD Contínua com R e Python;
  • Aula 09 – Coleta e tratamento de dados do CAGED com R e Python;
  • Aula 10 – Análise da Inflação no Brasil;
  • Aula 11 – Desvendando o IPCA: classificações, difusão e núcleos;
  • Aula 12 – O pacote {nucleos}: análise desagregada da inflação no R;
  • Aula 13 – Análise de dados de inflação com Python;
  • Aula 14 – Análise do mercado de crédito com R e Python;
  • Aula 15 – A política monetária no Brasil: Copom, mercado de reservas e a taxa Selic;
  • Aula 16 – Análise do boletim Focus com R e Python;
  • Aula 17 – Coleta e tratamento de dados fiscais com R e Python;
  • Aula 18 – Coleta e tratamento de dados de economia internacional com R e Python
    Aula 19 – Criando relatórios personalizados
    Aula 20 – Produção de Dashboards
Macroeconometria
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – O modelo básico novo-keynesiano;
  • Aula 03 – Regressão Linear para Séries Temporais;
  • Aula 04 – Mínimos Quadrados em 2 Estágios (TSLS);
  • Aula 05 – Método dos Momentos Generalizado (GMM);
  • Aula 06 – A Curva de Phillips com restrição de verticalidade estimada com instrumentos;
  • Aula 07 – A Curva IS estimada com instrumentos;
  • Aula 08 – A função de reação do Banco Central estimada com instrumentos;
  • Aula 09 – A Curva do prêmio do swap pré-DI 360 estimada com instrumentos;
  • Aula 10 – Construindo exercícios aplicados de macroeconometria;
  • Aula 11 – Ampliando a série de desemprego da PNAD Contínua;
  • Aula 12 – O IBC-Br é um bom preditor do PIB?
  • Aula 13 – Meta de Inflação e Expectativas dos Agentes;
  • Aula 14 – Construindo um modelo para a inflação de alimentos;
  • Aula 15 – Estimando a inércia inflacionária;
  • Aula 16 – Estimando o juro neutro para o Brasil;
  • Aula 17 – O Banco Central deve reagir a um choque de preços administrados?
  • Aula 18 – Medindo o efeito da volatilidade sobre a taxa de câmbio;
  • Aula 19 – Como o Banco Central reage a choques cambiais?
  • Aula 20 – Usando swaps cambiais para reagir a choques;
  • Aula 21 – Estimando a volatilidade da taxa de câmbio;
  • Aula 22 – Estimando o repasse externo sobre a inflação brasileira;
  • Aula 23 – Ancoragem de Expectativas;
  • Aula 24 – Juro a pessoa física: um modelo explicativo;
  • Aula 25 – A Bolsa é um bom preditor para o PIB?
Previsão Macroeconométrica
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Propriedades Estatísticas de Séries Temporais;
  • Aula 03 – Introdução à Estratégias de Previsão Macroeconométrica;
  • Aula 04 – Avaliação de Previsões Macroeconométricas;
  • Aula 05 – Modelos ARIMA e Metodologia Box-Jenkins;
  • Aula 06 – Análise de Regressão e Previsão;
  • Aula 07 – Vetor Autorregressivo (VAR);
  • Aula 08 – Cointegração e Vetor de Correção de Erros (VEC);
  • Aula 09 – VAR Bayesiano;
  • Aula 10 – Combinando Previsões;
  • Aula 11 – Modelos de ML aplicados à Macroeconomia;
  • Aula 12 – Métodos de Reamostragem;
  • Aula 13 – Bagging, Random Forests e Boosting;
  • Aula 14 – Trabalho de Conclusão de Curso;
Modelos Preditivos de Machine Learning
  • Aula 01 – Apresentação do Curso e Introdução a Modelos Preditivos;
  • Aula 02 – Modelos de Previsão para a inflação medida pelo IPCA;
  • Aula 03 – Criando um dashboard em shiny para previsão da inflação medida pelo IPCA;
  • Aula 04 – Modelos de Previsão para a Produção Industrial;
  • Aula 05 – Criando um dashboard em shiny para previsão da produção industrial;
  • Aula 06 – Prevendo os Serviços (PMS);
  • Aula 07 – Dashboard em shiny para previsão de Serviços;
  • Aula 08 – Modelando as Vendas do Comércio (PMC);
  • Aula 09 – Dashboard em shiny para previsão das vendas do Comércio;
  • Aula 10 – Nowcasting do PIB;
  • Aula 11 – Dashboard de nowcasting do PIB;
  • Aula 12 – Modelo de Previsão do Desemprego medido pela PNAD Contínua;
  • Aula 13 – Dashboard de previsão para o desemprego brasileiro;
  • Aula 14 – Modelo de Previsão para Crédito à Pessoa Física;
  • Aula 15 – Dashboard de previsão do crédito a Pessoa Física;
  • Aula 16 – Modelo de Previsão para a Taxa Selic;
  • Aula 17 – Dashboard de Previsão para a Taxa Selic;
  • Aula 18 – Modelo de Previsão para a taxa de câmbio R$/US$;
  • Aula 19 – Dashboard de previsão da taxa de câmbio R$/US$;
  • Aula 20 – Modelos de Previsão do IGP-M;
  • Aula 21 – Dashboard de previsão do IGP-M;
  • Aula 22 – Previsão de variáveis fiscais brasileiras;
  • Aula 23 – Dashboard de previsão de variáveis fiscais brasileiras;
  • Aula 24 – Previsão de variáveis externas;
  • Aula 25 – Dashboard de previsão de variáveis externas;

Materiais utilizados

Vídeos Didáticos

Cada seção será acompanhada de videoaulas subdividas em tópicos específicos, tornando o aprendizado ainda mais dinâmico.

Slides e Códigos disponíveis

Todos os slides e códigos utilizados ao longo das seções ficam disponíveis para os alunos baixarem e reproduzirem.

Apresentações reprodutíveis

Em todas as seções, o professor produz apresentações em RMarkdown, encorajando os alunos a reproduzirem tudo o que é feito no curso.

Certificação

Ao final do curso você receberá o certificado da Análise Macro de “Especialista em Macroeconomia Aplicada“ com 792 horas de carga horária.

  • Carga horária: 792h
  • Total de horas em vídeo: 198h
  • Número de aulas: 274

Coordenador e professor dos cursos

Vítor Wilher

Mestre em Economia e Cientista-Chefe da Análise Macro


Especialista em ciência de dados. Dá aulas e presta consultoria há 7 anos na área de dados, já tendo ajudado milhares de alunos no Brasil a darem o primeiro passo em análise de dados envolvendo R e Python.

Professores

Fernando da Silva

Bacharel em Economia e Cientista de Dados


Especializado em economia e finanças. Trabalha com modelagem e previsão de séries temporais, análise e visualização de dados e automatização de relatórios e dashboards.

Depoimentos dos nossos alunos

Investimento

De R$ 9.917,00 por

R$6.941,90

Com 30% de desconto

À vista no PIX ou boleto bancário

ou parcelado em 10x no cartão de crédito sem juros

  • Garantimos seu dinheiro de volta em até 7 dias
Inscreva-se

Formação online

Especialista em Macroeconomia Aplicada

Adquira essa trilha agora e tenha acesso aos seguintes benefícios:

  • Acesso completo por 24 meses
  • Plataforma de estudos própria
  • Suporte para tirar dúvidas
  • Certificado digital de 792 horas

Perguntas frequentes

Resposta: Você poderá realizar sua matrícula através de boleto bancário ou cartão de crédito, podendo parcelar em até 10x sem juros no cartão de crédito.

Resposta: Você terá até 24 meses para ver quantas vezes quiser os conteúdos dos cursos.

Resposta: Esta oferta foi desenhada exatamente para as pessoas que nunca tiveram relação com linguagem de programação, mas desejam dar um upgrade na carreira.

Resposta: No próprio site há uma plataforma exclusiva para tirar dúvidas direto com nossa equipe o professor Vítor Wilher. Você estará sempre acompanhado durante sua jornada.

Análise Macro © 2011 / 2024

comercial@analisemacro.com.br – Rua Visconde de Pirajá, 414, Sala 718
Ipanema, Rio de Janeiro – RJ – CEP: 22410-002

Criação Kamus – Hospedagem HostWP

botao-fale-com-um-especialista-no-whatsapp

Quase lá...

Digite seus dados abaixo para ser direcionado ao checkout e aproveitar esse desconto incrível que preparamos para você.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp