Categoria: Econometria e Previsão

Investigando a precedência temporal entre a Taxa de Câmbio e as expectativas da Taxa de Câmbio no Boletim Focus usando o R

Neste exercício, buscamos aprofundar a compreensão da dinâmica entre a taxa de câmbio e as expectativas dos agentes econômicos no Brasil, com foco em identificar a direção da precedência temporal entre essas variáveis. O objetivo é entender se as expectativas de câmbio influenciam a taxa de câmbio efetiva ou se o movimento da taxa de câmbio corrente molda as expectativas do mercado.

Investigando a precedência temporal entre a taxa Selic e as expectativas da Selic no Boletim Focus usando o R

Neste exercício, aprofundamos a compreensão da dinâmica entre a taxa Selic e as expectativas dos agentes econômicos no Brasil ao identificar a direção da precedência temporal da relação entre as duas variáveis. A análise engloba desde a coleta e tratamento dos dados até a visualização e análise econométrica, culminando na avaliação da causalidade de Granger e na interpretação dos resultados.

Análise Macro antecipa em 3 meses os dados divulgados do IPCA de novembro

O IBGE divulgou recentemente os dados de inflação de novembro/2024. A previsão da Análise Macro era de um aumento do IPCA em 0,38% , com viés altista, enquanto que o indicador mostrou uma variação de 0,39%. Por sua vez, a previsão de mercado era de 0,20% de aumento na inflação, de acordo com o relatório Focus/BCB. A data da previsão considerada é 14 de novembro, ou seja, um mês antes da divulgação dos dados. Acesse o post e saiba mais!

Como gerar cenários para modelos de previsão no Python?

Gerar cenários para as variáveis exógenas é uma etapa crucial da modelagem preditiva, pois é o que define a trajetória projetada da variável de interesse. Diferentemente dos modelos univariados, aqui precisamos informar os valores futuros das variáveis independentes para prever a variável dependente. Há diversas formas de fazer isso e neste exercício mostramos algumas possibilidades aplicadas à previsão do IPCA usando Python.

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.
Análise Macro © 2011 / 2026

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