Mudança de preços de bens e serviços da economia brasileira
Este artigo explora a dinâmica de preços da economia brasileira para além do índice cheio do IPCA. Utilizando a linguagem Python e dados oficiais do IBGE, ensinamos como calcular e visualizar a Inflação Acumulada e a Inflação Relativa de itens específicos desde o ano 2000. A análise revela a discrepância entre bens que se tornaram relativamente mais baratos, como tecnologia, e serviços que encareceram acima da média, como educação e saúde.
Decomposição do Índice de Condições Financeiras no Python
Este exercício apresenta a construção e decomposição do Índice de Condições Financeiras (ICF) para a economia brasileira, utilizando a linguagem Python. Baseado na abordagem do Banco Central do Brasil, o estudo automatiza a coleta de dados públicos e aplica a Análise de Componentes Principais (PCA) para segregar o índice em sete grupos de ativos, como juros locais, juros externo, risco, etc. A análise permite identificar quais vetores estão atuando sobre a economia, oferecendo um diagnóstico preciso sobre a virada do ciclo financeiro observada no início de 2026.
Atualização de resultados dos modelos de inflação da AM: Janeiro/2026
O IPCA de janeiro veio em +0,33% na variação mensal. O valor veio abaixo da previsão da Análise Macro, de +0,50%.
Construção e Análise do Índice de Condições Financeiras (ICF) com Python
Este exercício apresenta a replicação do Índice de Condições Financeiras (ICF) do Banco Central do Brasil utilizando a linguagem Python. O estudo detalha o ciclo completo de dados: coleta automatizada de variáveis locais e globais (via APIs do BCB, FRED e Yahoo Finance), tratamento estatístico (padronização e remoção de tendência) e modelagem via Análise de Componentes Principais (PCA). Os resultados validam a metodologia, gerando um indicador aderente à dinâmica histórica de aperto e afrouxamento financeiro da economia brasileira.
Como Medir o Ciclo das Concessões de Crédito usando Python
Este exercício apresenta uma análise quantitativa da relação entre o ciclo de concessões de crédito, a atividade econômica e a política monetária no Brasil. Utilizando a linguagem Python, o estudo aplica técnicas de decomposição de séries temporais (X13-ARIMA e Filtro HP) para isolar os componentes cíclicos dos dados. Os resultados da modelagem econométrica confirmam a pró ciclicidade do crédito em relação ao hiato do produto e sua sensibilidade às variações no hiato da taxa de juros real.
