Blog

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

MCP: como conectar o Claude ao mundo real

Em vários momentos você usou o Claude Code para ler arquivos, rodar scripts e montar relatórios em Quarto — sempre dentro de um projeto, na sua máquina, com as ferramentas que o agente já traz de fábrica: edição de arquivo, terminal e busca no repositório. Em algum momento o trabalho transborda essa caixa. O dado que você precisa não está num CSV local, está numa planilha do Google Drive que a equipe atualiza. A reunião com a coordenação está marcada no Google Calendar e ninguém anotou no projeto. A discussão sobre o relatório de novembro mora numa thread do Slack, e o ticket do bug no pipeline do IPCA é uma issue no GitHub.

Routines no Claude: agente trabalhando sem você

Uma Routine do Claude Code é um agente agendado: prompt, repositório e conectores salvos uma vez e executados na nuvem da Anthropic no horário definido por cron. O post mostra a anatomia de uma Routine e o projeto que resume o boletim Focus do BCB toda segunda: um GitHub Action baixa o PDF (o BCB bloqueia IPs de nuvem) e a Routine escreve o resumo e abre um Pull Request para a sua revisão.

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.
Análise Macro © 2011 / 2026

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