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 de Crédito no Python | Passo a Passo
Um tutorial completo para medir o ciclo das concessões de crédito no Brasil usando Python. Coletamos os dados do BCB e do IBGE, deflacionamos pelo IPCA, removemos a sazonalidade com o X-13ARIMA-SEATS e extraímos o ciclo com o Filtro Hodrick-Prescott. Ao final, uma regressão confirma que o crédito é pró-cíclico com a atividade e contracíclico com os juros, com dados que vão até meados de 2026.
Choque de juros e renda em bens duráveis e não duráveis usando Python
Este artigo analisa a dinâmica do consumo no Brasil utilizando Python e modelos de Vetores Autorregressivos (VAR). Ao segregar bens duráveis e não duráveis, o estudo quantifica a sensibilidade a choques de juros e renda. Criamos todo o processo através do ciclo de dados: coleta, tratamento, análise de dados, modelagem e apresentação dos resultados, tudo automatizado usando a linguagem Python.
