Blog

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

A aplicação de IA em análise de dados econômicos usando Python

Neste artigo mostramos 3 ferramentas que podem ajudar analistas a resolver tarefas do dia a dia de forma mais rápida, agregando inteligência articial na análise de dados. Seja para completar código ou para análises de dados descritivas e preditivas avançadas, estas ferramentas são simples de usar e se integram com o Python.

Introdução a Prompt Engineering para Inteligência Artificial

“Um especialista sabe todas as respostas, se você fizer as perguntas certas”. Este é o mesmo princípio usado nas técnicas de Prompt Engineering, com objetivo de otimizar as respostas de aplicações de IA generativa. Neste artigo apresentamos algumas destas técnicas com exemplos práticos em Python.

Previsão de retornos de ações com IA usando Python

Neste exercício, nosso objetivo é utilizar fatores de investimento como preditores para o retorno de uma ação, combinando-os com o uso da Regressão de Lasso para ajustar uma série de fatores de risco no Python. Este método nos permite explorar como diferentes variáveis influenciam os retornos das ações e como a Regressão de Lasso pode nos ajudar a selecionar os fatores mais relevantes, contribuindo para uma análise mais precisa. Todo o exercício é construído usando o Python como ferramenta.

IA e Previsão Macroeconômica usando Python

A IA oferece métodos para compreender e prever variáveis agregadas da economia, como ciclos econômicos, decisões de políticas monetárias e previsões de diferentes indicadores econômicos. Utilizando algoritmos de Machine Learning os economistas podem analisar grandes volumes de dados econômicos para identificar padrões e tendências, fornecendo insights. O Python torna o processo de análise e modelagem mais acessível e eficiente. Ao aplicar técnicas de IA na Macroeconomia, é possível melhorar nossa compreensão dos fenômenos econômicos e a precisão de nossas previsões, abrindo novas oportunidades para análise e tomada de decisões. No presente exercício iremos mostrar o uso do IA Aprendizado de Máquina para realizar a previsão da probabilidade de recessão nos EUA, conforme três diferentes modelos de Machine Learning.

Replicando o experimento STAR para o Piauí

Como usar o Google AI Studio e o Gemini?

Na corrida da IA, novas ferramentas e modelos são lançados quase que diariamente. Neste artigo mostramos como o Google tem competido neste mercado através do AI Studio e do Gemini e damos um exemplo de integração em Python.

Analisando a ancoragem das expectativas de inflação no Python

Se expectativas de inflação ancoradas com a meta são importantes para a economia, analisar o grau de ancoragem é imperativo para economistas e analistas de mercado. Neste exercício mostramos uma forma de aplicar esta análise com uma metodologia desenvolvida pelo FMI. Desde a coleta dos dados, passando pelo modelo e pela visualização de dados, mostramos como analisar a política monetária usando o Python.

Como analisar a DRE de empresas de capital aberto usando o Python

Quando analisamos a demonstração de resultados de uma empresa listada na bolsa de valores, frequentemente recorremos a ferramentas convencionais, que embora sejam úteis, muitas vezes carecem de automação. É aqui que entra o Python. Neste post, exploramos o poder do Python para automatizar o processo de coleta, tratamento e análise dos dados da Demonstração do Resultado do Exercício (DRE) da Eletrobras, utilizando dados fornecidos pela CVM (Comissão de Valores Mobiliários).

Como construir uma Curva IS no Python

Neste post mostramos como podemos construir um modelo que descreve a Curva IS a partir da linguagem Python. Passamos por todo o processo de construção de um exercício de dados, realizando a coleta, o tratamento, a modelagem e a demonstração dos resultados encontrados.

Estimando o efeito do salário mínimo no desemprego em redes de fast food

A ausência de avaliação de impacto de programas é um desafio frequente em muitas esferas do setor público. Isso é frequentemente atribuído à predominância do senso comum e da subjetividade nas avaliações. Essa lacuna não só resulta da falta de análise de dados, mas também da realização de análises inadequadas. Pior ainda, não se faz análises prévias ou posteriores programadas. Então, como podemos realizar uma avaliação adequada de políticas/programas? Este artigo aborda essa questão, destacando o exemplo prático de como avaliar o impacto do salário mínimo no desemprego em redes de fast food, um exercício ensinado em nosso curso de Avaliação de Políticas Públicas utilizando Python.