Categoria: Macroeconomia e Conjuntura

Modelo de pequeno porte do BCB: como o Banco Central projeta a inflação

O Banco Central projeta a inflação de médio prazo com um modelo de cinco equações: curva de Phillips, curva IS, regra de Taylor, paridade de juros e curva de expectativas. Este post explica cada uma delas, a diferença entre as versões agregada e desagregada, e por que a estimação deixou de ser por GMM e passou a ser bayesiana em 2020.

Agente de IA que coleta dados do BCB e do IBGE sozinho

Construímos um agente de IA que recebe um pedido em português e decide sozinho onde buscar o dado — no Banco Central ou no IBGE. Ele coleta, valida em três camadas e guarda só o que passou. E quando não sabe o que está pegando, pergunta em vez de inventar. Por dentro: LangGraph, o loop agêntico, os guardrails de cada fonte e a memória do agente.

Como construímos um agente de IA que lê as atas do Copom

Toda reunião do Copom gera uma ata longa, e ler o documento para achar a Selic e o tom do comitê consome tempo. Mostramos um agente de IA que faz isso sozinho: três agentes (leitor, analista e redator) buscam a ata real na API do Banco Central, leem o documento inteiro e devolvem um resumo com a Selic exata. O post explica como o sistema funciona por dentro — o ciclo do agente, o mural compartilhado e as ferramentas (LangGraph, Python, Streamlit) — com o resultado real.

Pipeline de relatório de IPCA com agentes no Claude Code

Um relatório mensal do IPCA refeito por um único comando: scripts Python calculam as métricas, sete subagentes do Claude Code investigam por que o número surpreendeu a mediana Focus e escrevem os textos, e o Quarto monta o HTML. O post mostra a arquitetura em três camadas, o critério que decide o que vira script e o que vira agente, o fan-out de coletores em paralelo, o ciclo redator–checador com teto e o resultado real de março de 2026, quando o IPCA veio 0,28 ponto percentual acima do consenso.

Índice de Tom das Atas do Copom com LLMs e Python

Este artigo apresenta um tutorial sobre como construir um Índice de Tom para as atas do Copom utilizando Grandes Modelos de Linguagem (LLMs) e Python. Mostramos o processo de coleta de dados via API do BCB, engenharia de prompt com o Google Gemini e calibração do índice via regressão linear para expressá-lo em unidades equivalentes à taxa Selic. O resultado é um indicador quantitativo que mede o sentimento (hawkish vs. dovish) da comunicação do Banco Central.
Análise Macro © 2011 / 2026

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