Categoria: Estatística e Econometria

Simulação de cenários com distribuição de probabilidades

A análise de cenários mais comum entrega três números — otimista, base e pessimista — sem probabilidade associada a nenhum deles, e ninguém sabe dizer se o caso pessimista é quase impossível ou razoavelmente provável. Há ainda um segundo problema: o cenário pessimista costuma empilhar todos os valores ruins ao mesmo tempo, combinação bem menos provável do que cada parte isolada. Este artigo mostra a alternativa: atribuir uma distribuição de probabilidade a cada variável de entrada, propagar milhares de combinações por uma equação e obter a distribuição do resultado. A aplicação é a dívida bruta do governo geral, com as expectativas do Focus como fonte da incerteza de cada entrada.

Simulação de Monte Carlo: respondendo perguntas de probabilidade sem fórmula

Qual a chance de o IPCA acumulado em doze meses estourar o teto da meta? Responder pela via analítica exigiria a distribuição do produto de doze variações mensais, que não tem expressão simples. A simulação de Monte Carlo contorna o problema: em vez de deduzir a distribuição, geramos milhares de trajetórias possíveis e contamos quantas ultrapassam o teto. Este artigo mostra os três passos do método, como descobrir quantos cenários são suficientes, por que ele acomoda camadas de incerteza que nenhuma fórmula fechada acomoda, e os limites que a técnica não resolve.

Estacionariedade de séries temporais: Guia Completo

Uma série é estacionária quando média, variância e covariância não mudam ao longo do tempo. Este guia explica o conceito do começo (processo estocástico, componentes, ruído branco e passeio aleatório) e ensina a testar a estacionariedade com ADF e KPSS. No fim, aplica os testes a inflação, juros e câmbio e mostra como ler cada resultado.

Construindo uma análise exploratória envolvendo funções de autocorrelação

Neste artigo, vamos apresentar o conceito de autocorrelação na estatística, avaliar sua aplicabilidade no mundo real, verificar como estimar e interpretar e, por fim, vamos ver como aplicar a análise de autocorrelação com dados macro-financeiros do Brasil, usando as linguagens de programação R e Python.

Propriedades estatísticas de séries temporais

Série temporal é uma estrutura de dados fundamental para as áreas de economia e finanças, uma vez que a maioria das variáveis nessas áreas são observadas ao longo do tempo. Compreender as principais características estatísticas de uma série temporal é essencial para aqueles interessados em analisar dados econômicos.

Categoria: Estatística e Econometria

Simulação de cenários com distribuição de probabilidades

Simulação de Monte Carlo: respondendo perguntas de probabilidade sem fórmula

Estacionariedade de séries temporais: Guia Completo

Construindo uma análise exploratória envolvendo funções de autocorrelação

Propriedades estatísticas de séries temporais

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Simulação de cenários com distribuição de probabilidades

Simulação de Monte Carlo: respondendo perguntas de probabilidade sem fórmula

Introdução à Macroeconomia: conceitos, modelos e ferramentas

Tabelas de contingência e o teste qui-quadrado: analisando duas variáveis qualitativas

Estatísticas robustas: mediana, IQR e MAD quando o outlier manda no resultado

Teorema Central do Limite: o que é?