O que é uma variável quantitativa? E uma variável qualitativa? Quais são os exemplos dessas variáveis? E quais ferramentas de análise exploratória de dados podem ser usadas para cada caso? Neste artigo mostramos as diferenças entre os principais tipos de variáveis usadas em ciência de dados e vemos exemplos práticos com dados públicos.
Vamos continuar a série de postagens sobre como construir um Dashboard de métricas relacionadas a avaliação de ações e construção de um Portfolio de investimentos no Python. Trazemos nessa semana um componente importante para avaliação do risco: o cálculo do Índice de Sharpe.
Toda vez que a autoridade monetária divulga o seu Índice de Nível de Atividade do Banco Central (IBC-Br), a imprensa costuma dizer que o mesmo antecipa os resultados do PIB. Mas será que isso é verdade? É o que vamos verificar nesse exercício usando o Python.
Neste post, veremos quais são os principais formatos nos quais os dados costumam ser disponibilizados e aprenderemos, através de exemplos práticos, sobre as ferramentas de ciência de dados para coletar essas informações, sejam de fontes nacionais ou internacionais, seja usando o R ou o Python.
Vamos continuar a série de postagens sobre como construir um Dashboard de métricas relacionadas a avaliação de ações e construção de um Portfolio de investimentos no Python. Trazemos nessa semana um componente importante para avaliação do risco: o cálculo da Assimetria e Curtose.
No post de hoje, continuamos com a série de postagens envolvendo exercícios de Macroeconometria no Python, investigando dessa vez a relação entre o Swap pré-DI 360 dias e a Expectativas da Selic de acordo com o Focus. Estimamos ao fim, por meio de um 2SLS com instrumentos o Prêmio.
Neste artigo, percorremos o ciclo de análise de dados de ponta a ponta, visando resolver um problema de assimetria de informação no mercado de combustíveis. Mostramos uma visão geral sobre o processo de análise de dados no dia a dia de trabalho, dando ênfase na linha de raciocínio por trás de cada etapa e ressaltando ferramentas e alternativas que podem ser utilizadas.
Neste artigo percorremos o ciclo de análise de dados de ponta a ponta, visando resolver um problema de assimetria de informação no mercado de combustíveis. Mostramos uma visão geral sobre o processo de análise de dados no dia a dia de trabalho, dando ênfase na linha de raciocínio por trás de cada etapa e ressaltando ferramentas e alternativas que podem ser utilizadas.
Dando continuidade ao nosso esforço de compreensão do organismo econômico brasileiro por meio de equações, adicionamos o Banco Central via a estimação de uma regra de Taylor. Realizaremos a construção do modelo por meio do Python, seguindo todos os passos de coleta e tratamento dos dados, finalizando com a construção do modelo via OLS.
Com o aumento da disponibilidade de dados, torna-se fundamental conhecer técnicas e métodos para analisá-los e utilizá-los de forma estratégica. Nesse contexto, é importante compreender como os dados são estruturados e quais ferramentas podem ser usadas para trabalhar com eles. Neste artigo, exploramos os conceitos das principais estruturas de dados, mostramos exemplos e aplicações em R e Python para trabalhar com dados de série temporal e corte transversal.