Neste texto mostramos que o retorno de investimento em aprender Python se paga rapidamente: imagine consolidar dados de mais de 70 arquivos diferentes e sem padrão usando apenas Excel? É nestas horas que o Python se destaca em maior produtividade e menos trabalho manual.
Neste exercício exploramos os dados públicos sobre o preço da gasolina no Brasil, sua composição, evolução temporal, políticas associadas e, por fim, construímos um modelo simples de previsão. Com um modelo em mãos, o analista pode cenarizar o comportamento futuro da série da forma como preferir. Todos os procedimentos foram feitos usando a linguagem de programação Python.
Tabela dinâmica é uma ferramenta de análise de dados essencial para extrair informações rapidamente. O que poucos sabem é que não é necessário ter o Excel para criar tabelas dinâmicas. Neste artigo mostramos como produzir tabelas dinâmicas com dados econômicos usando a linguagem Python, em apenas 1 comando!
O que é cointegração, explicado pela analogia do bêbado e seu cachorro, e como
aplicar o teste de Engle-Granger no Python. O tutorial mostra os dois passos do
teste, por que a especificação muda a conclusão, e aplica tudo ao par PETR3 e
PETR4 com dados de abril de 2021 a abril de 2022.
Como mensurar a importância de choques na inflação sobre o erro de previsão da taxa de juros? Neste exercício quantificamos esta pergunta sob a ótica de um modelo VAR, usando dados recentes da macroeconomia brasileira. Especificamente, estimamos a decomposição da variância dos erros de previsão do modelo, analisando choques na inflação da gasolina e sua importância sobre a variância dos erros de previsão da taxa Selic.