Blog

Blog Análise Macro – Desde 2011, encontrando a verdade nos dados

Como investigar a surpresa inflacionária usando a linguagem de programação R

Neste exercício, mostramos como usar a linguagem de programação R para construir um modelo econométrico que explica os fatores que levaram os agentes do mercado financeiro a errar suas previsões sobre a inflação no Brasil.

Ancoragem de Expectativas da Inflação no Brasil: uma avaliação utilizando a linguagem de programação R

Expectativas ancoradas significam que a inflação permanece próxima da meta mesmo após choques relevantes, tornando menos custosa a atuação do Banco Central no combate a pressões inflacionárias. Neste exercício, analisamos diferentes medidas para avaliar a ancoragem das expectativas no Brasil, utilizando a linguagem de programação R como ferramenta para a construção desse exercício, realizando a coleta, tratamento, cálculos e visualização dos resultados.

Como fazer previsões para a inflação desagregada medida pelo IPCA?

Neste artigo investigamos se a previsão desagregada da inflação é capaz de gerar previsões mais acuradas do que a previsão agregada. Utilizamos o Índice Nacional de Preços ao Consumidor Amplo (IPCA) como medida de interesse, aplicando um modelo simples e um modelo de passeio aleatório para comparação. Todo o processo pode ser feito de maneira automatizada utilizando a linguagem de programação R.

Qual o melhor modelo para prever a inflação medida pelo IPCA?

Neste exercício, testamos 18 modelos diferentes com um conjunto fixo de regressores para previsão da taxa de inflação, medida pelo IPCA. Implementamos o método da validação cruzada, visando obter resultados robustos para comparação de métricas de performance. Apresentamos os resultados gerais e desagregados por horizontes de previsão, além de automatizar todo o processo utilizando a linguagem Python.

Investigando a precedência temporal entre o IPCA e as expectativas do IPCA no Boletim Focus usando o R

Neste exercício, buscamos aprofundar a compreensão da dinâmica entre a taxa do IPCA e as expectativas dos agentes econômicos no Brasil, com foco em identificar a direção da precedência temporal entre essas variáveis. O objetivo é entender se as expectativas do IPCA influenciam a taxa do IPCA efetiva ou se o movimento da taxa do IPCA corrente molda as expectativas do mercado.

Investigando a precedência temporal entre a Taxa de Câmbio e as expectativas da Taxa de Câmbio no Boletim Focus usando o R

Neste exercício, buscamos aprofundar a compreensão da dinâmica entre a taxa de câmbio e as expectativas dos agentes econômicos no Brasil, com foco em identificar a direção da precedência temporal entre essas variáveis. O objetivo é entender se as expectativas de câmbio influenciam a taxa de câmbio efetiva ou se o movimento da taxa de câmbio corrente molda as expectativas do mercado.

Investigando a precedência temporal entre a taxa Selic e as expectativas da Selic no Boletim Focus usando o R

Neste exercício, aprofundamos a compreensão da dinâmica entre a taxa Selic e as expectativas dos agentes econômicos no Brasil ao identificar a direção da precedência temporal da relação entre as duas variáveis. A análise engloba desde a coleta e tratamento dos dados até a visualização e análise econométrica, culminando na avaliação da causalidade de Granger e na interpretação dos resultados.

Como analisar o sentimento dos textos do COPOM no Python?

Neste exercício construímos um indicador que busca quantificar o sentimento proveniente das decisões de política monetária no Brasil. Usando técnicas de mineração de texto, implementamos todas as etapas necessárias, desde web scraping e pré-processamento das atas do Comitê de Política Monetária do Banco Central (COPOM), até a criação de tokens e a classificação do sentimento implícito nos textos.

Como importar os textos do COPOM para análise de sentimentos no Python?

Os textos divulgados pelo COPOM, sejam os comunicados ou atas, são o ponto de partida para diversos tipos de análises quantitativas, como a análise de sentimentos, e qualitativas, como uma análise de cenário econômico. Neste artigo, mostramos como coletar estes textos de forma automatizada usando web scrapping e Python.

Como tratar dados no Python? Parte 5: renomeando colunas

Como dar novos nomes significativos para as colunas em uma tabela de dados usando Python? Neste tutorial mostramos os métodos de renomeação de colunas disponíveis na biblioteca pandas, que tem como vantagem sua sintaxe simples e prática.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp