Blog

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

Coletando dados para monitoramento climático com Python

As condições climatológicas influenciam desde a safra de grãos até a decisão de um vendedor ambulante levar seu carrinho para a praia ou não. Por sua importância e impactos na economia do país, neste exercício mostramos como coletar e elaborar análises de dados sobre o clima usando o Python.

Coletando dados de secas e queimadas no Brasil com Python

Neste artigo exploramos fontes públicas de dados sobre secas e queimadas no Brasil. Mostramos como acessar, coletar e preparar os dados para elaboração de análises. Usamos a linguagem Python para desenvolver uma rotina automatizada.

Como analisar demonstrações contábeis usando IA

Neste post, vamos explorar como utilizar o modelo de linguagem Gemini do Google para analisar demonstrações contábeis anuais da Eletrobras e extrair informações relevantes para tomada de decisão. Através de um código Python, vamos importar os dados direto da CVM, conectar com o Gemini e gerar resumos sobre as contas das demonstrações e perspectivas futuras sobre as finanças da empresa.

Como avaliar o retorno econômico de uma política de pública? Um exemplo usando Controle Sintético e a política Mãe-Paranaense

Como podemos traduzir os efeitos de uma política pública para valores monetários? Essa é uma tarefa árdua que requer algumas premissas, entretanto, com métodos bem definidos, é possível obter estimativas dos ganhos e os gastos de uma política pública. Neste exercício, demonstramos tal método usando a política “Mãe Paranense”, um conjunto de ações que visam reduzir a mortalidade materna e infantil no estado. Usamos a linguagem R como ferramenta para importar, tratar, analisar e modelar os dados.

O que é análise de similaridade e como aplicar no Python?

Dois textos podem tratar do mesmo assunto sem que um tenha copiado o outro. Este artigo apresenta duas medidas que respondem a perguntas diferentes — o Índice de Jaccard, que compara vocabulários, e as sequências idênticas, que comparam a ordem das palavras — e as aplica a um caso real de acusação de plágio, mostrando o que cada uma consegue distinguir.

O que é e como aplicar análise de sentimentos no Python?

A análise de sentimentos conta palavras positivas e negativas segundo um dicionário e resume o tom de um documento em um número. Este artigo explica como a medida é construída, por que o dicionário escolhido decide o resultado, e aplica o método a cem atas do COPOM. O indicador reproduz a cronologia econômica do período, mas sua correlação com a direção dos juros é de apenas 0,09.

Trimestre de nascimento e o efeito da educação nos rendimentos: como avaliar essa relação usando o R como ferramenta?

Neste exercício, investigamos a influência do trimestre de nascimento como um possível determinante dos rendimentos efetivos no Brasil. Pessoas nascidas em determinados trimestres tendem a acumular mais anos de estudo. Com base em uma observação empírica, utilizamos o trimestre de nascimento como uma variável instrumental para os anos de estudo em um modelo de Regressão Linear com Variáveis Instrumentais (IV). O objetivo é avaliar como essa relação afeta os rendimentos. Usamos a linguagem de programação R para a coleta, tratamento e análise de dados.

Avaliando os Ciclos da Taxa de Desocupação Brasileira usando Python

Neste exercício, implementamos Modelos de Componentes Não Observados (MCNO) em Python para analisar a Taxa de Desocupação Brasileira. Comparamos os componentes extraídos pelo MCNO com os obtidos pelo Filtro de Hodrick-Prescott (HP), uma técnica comum para decomposição de séries temporais.

Técnicas de machine learning para mineração de textos

O Naive Bayes conta quantas vezes cada palavra aparece em mensagens de cada tipo e usa essas contagens para classificar um texto novo. Este artigo apresenta a probabilidade que sustenta o método, a suposição de independência que lhe dá o nome e o estimador de Laplace, e aplica tudo à separação entre spam e comentário legítimo em 448 comentários do YouTube.

Técnicas de extração de informação com text mining

Contar palavras é o modo mais direto de descobrir sobre o que um documento trata, e também o mais decepcionante: as mais frequentes são sempre “de”, “a” e “que”. Este artigo apresenta as três medidas que resolvem esse problema — a frequência dos termos, a Lei de Zipf e o TF-IDF — e mostra o que elas revelam quando aplicadas a duas reuniões seguidas do COPOM.

Blog

Coletando dados para monitoramento climático com Python

Coletando dados de secas e queimadas no Brasil com Python

Como analisar demonstrações contábeis usando IA

Como avaliar o retorno econômico de uma política de pública? Um exemplo usando Controle Sintético e a política Mãe-Paranaense

O que é análise de similaridade e como aplicar no Python?

O que é e como aplicar análise de sentimentos no Python?

Trimestre de nascimento e o efeito da educação nos rendimentos: como avaliar essa relação usando o R como ferramenta?

Avaliando os Ciclos da Taxa de Desocupação Brasileira usando Python

Técnicas de machine learning para mineração de textos

Técnicas de extração de informação com text mining

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Série temporal: o que é e como ler dados econômicos

A escolha intertemporal do consumo

Ciclo Econômico: Economia no Curto Prazo

Simulação de cenários com distribuição de probabilidades

Simulação de Monte Carlo: respondendo perguntas de probabilidade sem fórmula

Introdução à Macroeconomia: conceitos, modelos e ferramentas