Categoria: Inteligência Artificial Aplicada

Otimizando tarefas com técnicas de Engenharia de Prompt aplicadas em IA generativa

Convidamos um Economista, um Cientista de Dados e um Estatístico para uma competição de previsão. A cada mês, por um ano, eles deveriam compartilhar suas previsões e suas estratégias entre si, viabilizando calibragens. Neste artigo mostramos como foi o desempenho de cada um e o que isso tudo tem a ver com IA e Engenharia de Prompt.

FED Speeches: Quantificando a Incerteza da Política Monetária com IA e Python

Como medir a incerteza da política monetária a partir dos discursos do Federal Reserve. O artigo explica o índice EPU, a medida por contagem de palavras e por que um modelo de linguagem lê o mesmo texto de outra forma, com um exemplo em Python sobre 250 discursos de Chairs e Vice Chairs do Fed entre 2017 e 2023.

Analisando o impacto fiscal de propostas legislativas com IA

Todos os anos milhares de proposições legislativas são geradas na Câmara dos Deputados e Senado Federal, o que dificulta o trabalho de monitoramento feito por economistas, jornalistas e analistas de mercado. No entanto, ao empregar técnicas de engenharia de prompt e IA, podemos analisar estas milhares de proposições em questão de segundos. Neste exercício mostramos o caminho para esta automatização usando o Python.

Criando reports econômicos automáticos com IA usando Python

Imagine que você tenha uma tabela e precise gerar uma análise de dados rápida para entregar um relatório. Você poderia tentar parar tudo que está fazendo ou até mesmo fazer horas extras, mas dificilmente você entregaria o relatório mais rapidamente do que um modelo de Inteligência Artificial (IA). Neste artigo mostramos um exemplo de relatório gerado por IA para análise de inflação no Brasil, usando as ferramentas Quarto + Python para integrar a IA.

Hawkish ou dovish? Analisando o tom da política monetária com IA usando Python

Hawkish e dovish resumem a postura de um banco central: conter a inflação ou estimular a atividade. Este tutorial mostra como um modelo de linguagem lê as atas do COPOM e classifica o tom em uma escala de −1 a +1, com prompt, resposta estruturada e justificativa auditável, e compara a série com a meta Selic.
Análise Macro © 2011 / 2026

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