Índice de Tom das Atas do Copom com LLMs e Python

Gráfico de linha e pontos intitulado "Índice de Tom das Atas do Copom", cobrindo o período de 2020 a 2026. A linha vermelha contínua representa o índice de tom calibrado, expresso em pontos percentuais equivalentes à Selic. Os pontos em formato de diamante cinza marcam a variação real da taxa Selic em cada reunião. O gráfico demonstra a alta correlação entre o tom da ata e a decisão de juros, capturando o ciclo de aperto monetário de 2021-2022 e o ciclo de afrouxamento iniciado em 2023.

Este artigo apresenta um tutorial sobre como construir um Índice de Tom para as atas do Copom utilizando Grandes Modelos de Linguagem (LLMs) e Python. Mostramos o processo de coleta de dados via API do BCB, engenharia de prompt com o Google Gemini e calibração do índice via regressão linear para expressá-lo em unidades equivalentes à taxa Selic. O resultado é um indicador quantitativo que mede o sentimento (hawkish vs. dovish) da comunicação do Banco Central.

Análise dos Maiores Salários de Contratação no CAGED 2025 com Python

Este artigo apresenta uma análise detalhada dos maiores salários de contratação no Brasil em 2025, com foco nos estados do Sudeste. Utilizando a linguagem Python, o estudo detalha a construção de um pipeline de engenharia de dados para processar milhões de microdados do Novo CAGED, desde a coleta via FTP até a agregação e armazenamento em formato Parquet. A metodologia inclui a aplicação de filtros estatísticos e o cálculo da mediana salarial para ranquear as 15 ocupações mais bem remuneradas.

Como calcular a volatilidade implícita e as gregas no R

Como calcular a volatilidade implícita e as gregas das opções da VALE na B3 usando R. O tutorial mostra o método passo a passo — coletar os dados da bolsa, separar calls e puts, buscar a curva de juros e inverter Black-Scholes — e lê o smile de volatilidade que sai dos dados.

Como Criar um Dashboard de Análise de Sentimento Financeiro com IA e Python

Aprenda a construir um AI Assistant em Python utilizando o framework Shiny e a API do Google Gemini 2.5 Flash. Este tutorial passo a passo demonstra como automatizar a leitura de PDFs de resultados financeiros de empresas, extraindo índices de sentimento, perspectivas futuras e resumos executivos diretamente para um dashboard interativo.

Salário no CAGED com Python: admitidos ganham menos que demitidos?

Quem entra num emprego formal no Brasil ganha, na média, menos do que quem sai. Com os microdados do Novo CAGED e Python, este tutorial mostra como medir o gap salarial entre admitidos e demitidos: coleta dos dados, deflacionamento pelo INPC e ajuste sazonal com o X-13ARIMA-SEATS.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp