Blog

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

Regressão linear: teoria e prática

Como estimar uma regressão linear sem linguagem de programação? Nesse texto introduzimos esse modelo fundamental de ciência de dados, abrindo as fórmulas e ajustando uma regressão “na mão”, para que o código pronto não seja uma caixa preta. Usamos como exemplo o problema da precificação de imóveis, com aplicações em R e Python.

Meta de Inflação e Expectativas dos Agentes

Vamos investigar a atratividade da meta de inflação em relação às expectativas dos agentes privados no Brasil. Em outras palavras, verificaremos se a meta de inflação definida pelo Conselho Monetário Nacional (CMN) tem sido uma variável importante para explicar o comportamento das expectativas de inflação dos agentes econômicos. Para isso, nos basearemos em Carvalho e Minella (2012) e Bevilaqua, Mesquita e Minella (2008) para construir um modelo explicativo para as expectativas de inflação. A estimação será feita via Mínimos Quadrados Ordinários e Mínimos Quadrados em 2 Estágios (TSLS) com instrumentos. Faremos o uso do Python para realizar a coleta e tratamento dos dados, bem como o ajuste do modelo.

Volatilidade Implícita no R e Python

A volatilidade implícita é uma medida que captura a expectativas dos investidores em relação à variação futura dos preços de um ativo subjacente (opções), como ações, moedas, commodities, entre outros. Veremos como é possível estimar a volatilidade implícita de ações utilizando o R e o Python como ferramentas.

Vetores Autoregressivos Bayesianos

Neste artigo, mostramos como é possível utilizar o Vetores Autoregressivos por meio da Abordagem Bayesiana. Como exemplo, demonstramos a estimação e previsão de série macroeconômicas utilizando o R e o Python.

O dilema de viés e variância em modelos preditivos

Modelos muito simples ou muito complexos podem gerar previsões com alto viés ou alta variância. A grande tarefa de quem trabalha com modelos preditivos é explorar uma especificação de modelo de modo a minimizar o erro de previsão, mas sem cair nestes dois extremos, o que pode ser desafiador. Neste artigo apresentamos estes conceitos e mostramos como analisar ajustes e previsões de modelos de modo a compreender o trade-off entre viés e variância.

Construindo exercícios de Macroeconomia aplicada

A Macroeconomia é um campo de estudo que combina a macroeconomia e a econometria para analisar e modelar as relações entre várias variáveis macroeconômicas usando métodos estatísticos e matemáticos. Em essência, é a aplicação de técnicas econométricas a dados macroeconômicos para obter insights sobre o funcionamento de uma economia como um todo.

Aplicações de Modelos de Volatilidade: otimização de portfólio usando GARCH

Uma aplicação interessante da variância calculada a partir dos modelos da família ARCH é a possibilidade de obter os pesos para um portfólio de mínima variância ao longo do tempo. Veremos neste artigo como obter as medidas para um portfólio de dois ativos e a possibilidade do cálculo por meio do R e do Python.

Cointegração e Vetor de Correção de Erros: Prevendo o desemprego

Neste artigo, mostramos como é possível criar uma previsão do Desemprego medida pela PNADc por meio de um VECM utilizando o R e o Python como ferramentas.

Pré-processamento de dados: lidando com valores extremos e valores ausentes

No contexto de ciência de dados, é comum ter que lidar com problemas nos dados de um modelo preditivo, tais como valores extremos (outliers) ou valores ausentes (missing data). Em muitos casos, é preciso aplicar pré-processamentos para validar e utilizar um modelo, ao mesmo tempo que é necessário evitar o vazamento de dados (data leakage). Abordamos estes desafios neste artigo mostrando exemplos com dados reais em aplicações nas linguagens de programação R e Python.

Aplicações de Modelos de Vol: Beta Dinâmico usando GARCH

O Beta de Mercado é uma medida financeira que representa a sensibilidade ou volatilidade de um ativo em relação ao mercado como um todo. Em outras palavras, o Beta de Mercado mede a resposta esperada de um ativo a movimentos no mercado de referência, geralmente representado por um índice amplo, como o índice geral de ações de um país (por exemplo, o S&P 500 nos EUA e o Ibovespa no Brasil).