Categoria: Econometria e Previsão

Previsão da PMC com Python: econometria, ML ou IA?

Colocamos econometria (ARIMA), machine learning (XGBoost) e IA (TimeGPT) para prever a PMC das vendas do varejo em Python. Contra o dado que o IBGE divulgou de fato, o modelo mais simples foi o que mais acertou. Um tutorial de como montar essa comparação com dados públicos.

Como Criar um Agente de IA Econometrista

Criar um Agente de IA Econometrista envolve construir um sistema autônomo capaz de entender uma solicitação em linguagem natural, buscar dados econômicos, realizar análises e aplicar modelos econométricos para entregar uma resposta completa. A abordagem mais eficaz é estruturar o sistema em múltiplos agentes especializados, cada um com um papel definido, que colaboram para resolver a tarefa. Neste post abordamos o desenvolvimento deste sistema de IA com Python.

Otimizando um Portfólio de Investimentos com Machine Learning

A construção de portfólio ótimo refere-se ao processo de alocar eficientemente capital entre um conjunto predefinido de ativos ou títulos. O campo da construção de portfólio tem sido extensivamente estudado por acadêmicos e profissionais desde a década de 1950, quando Markowitz introduziu sua inovadora abordagem de média-variância para a construção de portfólio. Diante disso, podemos melhorar o processo de alocação de peso de um investimento em um portfólio através do Aprendizado não supervisionado com a aplicação do Hierarchical Risk Parity (HRP). Neste exercício, realizamos uma introdução ao método e mostramos os resultados de um exemplo criado através do Python.

As diferentes formas de avaliar o erro de um modelo de previsão

Existem tantas siglas para métricas de desempenho de modelos preditivos que é fácil se perder na sopa de letrinhas. Neste artigo, fornecemos uma visão geral das principais métricas para avaliar e comparar modelos de regressão e classificação, usando exemplos com dados em Python.

Previsão do CPI usando text mining

Exploramos neste exercício, de forma similar a Ferreira (2022), a utilidade de tópicos latentes extraídos dos comunicados do FOMC, por um modelo LDA, na previsão da inflação norte-americana, medida pelo CPI. O objetivo é comparar um modelo econométrico simples, tal como um AR-GAP de Faust e Wright (2013), em especificações com e sem os fatores textuais.

Categoria: Econometria e Previsão

Previsão da PMC com Python: econometria, ML ou IA?

Como Criar um Agente de IA Econometrista

Otimizando um Portfólio de Investimentos com Machine Learning

As diferentes formas de avaliar o erro de um modelo de previsão

Previsão do CPI usando text mining

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Poder estatístico

Taxas de variação: mensal, interanual, acumulada no ano e em 12 meses

Número-índice, nível e variação: como ler um indicador econômico

Estoque e fluxo: a diferença que muda a leitura dos indicadores

Testes múltiplos e p-hacking

Viés de sobrevivência e censura na amostra