Blog
Blog Análise Macro – Desde 2011, encontrando a verdade nos dados
- Macroeconomia
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 e Google Colab, 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.
- Mercado Financeiro
Este exercício demonstra como calcular a Volatilidade Implícita e as Gregas (Delta) para opções listadas na B3 utilizando a linguagem R. Exploramos a teoria do modelo de Black-Scholes e aplicamos os pacotes {rb3}, {bizdays} e {oplib} para processar dados da VALE3, construindo a curva de juros e visualizando o clássico “Smile de Volatilidade”.
- Mercado Financeiro
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.
- Macroeconomia
Aprenda a utilizar o Python dentro do Google Colab para processar milhões de microdados do Novo CAGED e analisar a diferença salarial entre trabalhadores admitidos e demitidos. O artigo aborda engenharia de dados com SQLite, cálculo de médias com filtro de outliers, deflacionamento pelo INPC e ajuste sazonal com X-13ARIMA-SEATS.
- Macroeconomia
Este exercício ensina a calcular o Custo Unitário do Trabalho (CUT) e a Produtividade da economia brasileira utilizando Python. O tutorial aborda a coleta de dados do IBGE (PIB e PNAD Contínua), a aplicação de ajuste sazonal via X-13ARIMA-SEATS e a decomposição do indicador para análise de competitividade e inflação.
- Data Science
Mostramos como a linguagem de programação Python pode ser utilizada para projetar variáveis macroeconômicas como o Câmbio (BRL/USD) por meio de um pipeline completo e reproduzível. O processo abrange desde a coleta e o tratamento dos dados até a modelagem e geração de previsões, combinando métodos estatísticos, técnicas de machine learning e ferramentas de inteligência artificial para apoiar a análise econômica e a tomada de decisão.
- Macroeconomia
Este exercício ensina como calcular a Paridade do Poder de Compra (PPP) e a Taxa de Câmbio Real para o Brasil utilizando Python. Através da coleta automatizada de dados de inflação (IPCA e CPI americano) e câmbio, o exercício demonstra como mensurar o desalinhamento cambial do Real em relação ao Dólar, identificando períodos históricos de sobrevalorização e subvalorização da moeda brasileira com base na teoria econômica.
- Macroeconometria
Este artigo apresenta um exercício prático de macroeconomia aplicada utilizando Python para investigar a relação entre o nível de atividade econômica e o mercado de trabalho no Brasil. O estudo detalha o processo de coleta automatizada do Hiato do Produto do Banco Central e a construção de uma série histórica longa de desemprego (unificando PME e PNAD Contínua). Através de técnicas de ajuste sazonal (X-13ARIMA-SEATS) e modelagem econométrica, estima-se a NAIRU (Taxa de Desemprego Não Aceleradora da Inflação) implícita da economia brasileira em 9,46%, confirmando a forte correlação negativa prevista pela Lei de Okun.
- Macroeconomia
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.
- Macroeconomia
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.
Boletim AM
Encontre o seu conteúdo
Categorias
- Comentário de Conjuntura
- Cursos da Análise Macro
- Indicadores
- Artigos de Economia
- Hackeando o R
- Data Science
- Política Monetária
- Macroeconometria
- Inflação
- PIB
- Eventos
- Indicação de Leitura Econômica
- Clube AM
- Dados Macroeconômicos
- Mercado financeiro
- Mercado de Trabalho
- Política Fiscal
- Resenhas de Conjuntura Econômica
Artigos mais acessados
Análise Macro © 2011 / 2026
comercial@analisemacro.com.br – Rua Visconde de Pirajá, 414, Sala 718
Ipanema, Rio de Janeiro – RJ – CEP: 22410-002
