Blog
Blog Análise Macro – Desde 2011, encontrando a verdade nos dados
- Data Science
Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.
- Data Science
Em oposição à crença popular, grande parte dos modelos de machine learning não produzem previsões magicamente. É papel do cientista de dados executar uma boa engenharia de variáveis para não cair no clássico problema de “garbage in, garbage out” (GIGO) em aprendizado de máquina. Neste sentido, aprender a fazer uma boa seleção de variáveis é fundamental e neste artigo exploramos algumas possibilidades práticas usando o Python.
- Indicadores
A Análise Macro apresenta os resultados do IPCA-15 de Novembro de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.
- Indicadores
A Análise Macro apresenta os resultados da PNADc Trimestral do 3º trimestre de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.
- Data Science
Antes de desenvolver bons modelos preditivos é necessário organizar e conhecer muito bem os dados. Neste artigo, damos algumas dicas de recursos, como gráficos, análises e estatísticas, que podem ser usados para melhorar o entendimento sobre os dados usando Python.
- Data Science
Prever séries temporais é uma tarefa frequente em diversas áreas, porém exige conhecimento e ferramentas específicas. Os modelos de machine learning do Sklearn são populadores, porém são difíceis de aplicar em estruturas temporais de dados. Neste sentido, introduzimos a biblioteca Skforecast, que integra os modelos do Sklearn e a previsão de séries temporais de forma simples.
- Data Science
Nesta postagem, vamos mostrar alguns métodos simples para lidar com a reamostragem de dados de séries temporais no Python.
- Data Science
Os dados regionais do CAGED permitem analisar o mercado de trabalho de forma detalhada, em termos de setores, educação, rendimento e características pessoais dos trabalhadores brasileiros. Neste exercício mostramos como acessar estas informações online via Python.
- Data Science
Dados sobre a demografia e o território são primordiais para definir e implementar políticas públicas, áreas de atuação comercial e/ou estratégias de marketing. Sendo assim, saber usar os dados do Censo 2022 pode trazer vantagens competitivas. Neste exercício mostramos como obter os dados da Malha de Setores Censitários no formato vetorial (GeoJson) usando o Python.
- Macroeconometria
Como a inflação passada pode impactar a inflação presente? Podemos mensurar esse efeito — ou seja, o grau de persistência da inflação — utilizando modelos autorregressivos. Este trabalho apresenta uma forma de calcular essa persistência usando modelos de Espaço de Estados, com Python como ferramenta para coleta de dados, análise e ajuste do modelo.
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
