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.
Como a inflação passada pode impactar a inflação presente? Podemos mensurar esse efeito — ou seja, o grau de persistência da inflação — utilizando modelos autorregressivos. Este trabalho apresenta uma forma de calcular essa persistência usando modelos de Espaço de Estados, com Python como ferramenta para coleta de dados, análise e ajuste do modelo.
Neste exemplo mostramos o poder da IA, especificadamente o uso do TimeGPT para prever os valores da Curva de Carga Horária de Energia Elétrica disponibilizada pela ONS. Comparamos o resultado da previsão com um modelo ingênuo e LGBM. Para o exercício, foi usado a linguagem Python para coleta, tratamento e modelagem.
Neste exercício, implementamos Modelos de Componentes Não Observados (MCNO) em Python para analisar a Taxa de Desocupação Brasileira. Comparamos os componentes extraídos pelo MCNO com os obtidos pelo Filtro de Hodrick-Prescott (HP), uma técnica comum para decomposição de séries temporais.
Este exercício quantifica o repasse cambial sobre a inflação para a economia brasileira sob a ótica de um modelo Estimamos as funções de impulso resposta para analisar choques na variação do câmbio e a resposta ao longo do tempo sobre a inflação de preços livres usando a linguagem de programação Python para coleta, análise de dados e modelagem.
