Blog

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

Agentes no Claude Code: um time que produz seu boletim macro

Um agente no Claude Code é um arquivo Markdown com nome, ferramentas, modelo e instruções permanentes. Este tutorial mostra a arquitetura de um time de cinco subagentes (pesquisador de dados, analista, redator, revisor e publicador) que produz um boletim macro semanal do Brasil com um único comando, com permissões restritas por papel, hook de auditoria e revisão obrigatória antes de publicar.

Claude Code para Economistas: automatize o relatório do IPCA

Um relatório mensal do IPCA em R e Quarto construído e atualizado pelo Claude Code a partir de um briefing e quatro prompts. O tutorial mostra a estrutura de projeto, o CLAUDE.md com as fontes do BCB e do IBGE, os prompts de coleta, tratamento, gráficos e relatório, e a publicação na Posit Connect Cloud com atualização a cada git push.

Claude Code: Como Instalar e Começar a Usar

Como instalar o Claude Code no VS Code e começar a usar o agente de IA da Anthropic que atua no terminal e no editor: lê arquivos, executa comandos e edita código, em vez de só sugerir como um chatbot. O guia reúne o que é o agente e como ele decide o que fazer, o terreno em que ele pisa (terminal, CLI, script e IDE), a instalação passo a passo e o uso no dia a dia — modelos, janela de contexto, o arquivo CLAUDE.md e a fórmula de um bom primeiro prompt para análise de dados.

Índice de Tom das Atas do Copom com LLMs e Python

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 calcular o Custo Unitário do Trabalho no Python

Tutorial de como calcular o Custo Unitário do Trabalho (CUT) do Brasil no Python: coleta das tabelas do IBGE (PIB e PNAD Contínua), ajuste sazonal com X-13ARIMA-SEATS e decomposição da variação trimestral entre salário real e produtividade.

Previsão do Câmbio através da Linguagem Python

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.
Análise Macro © 2011 / 2026

comercial@analisemacro.com.br – Rua Visconde de Pirajá, 414, Sala 718
Ipanema, Rio de Janeiro – RJ – CEP: 22410-002