Investigando a relação entre o Ibovespa e a variação da FBCF

Na edição 55 do Clube do Código, a ser divulgada para os membros na próxima semana, continuo a investigação iniciada em um comentário de conjuntura sobre a relação entre o Ibovespa e a variação interanual da FBCF. Dessa vez, estimamos um Vetor de Correção de Erros (VEC). Fazemos a análise das funções impulso-resposta e da decomposição de variância a partir do modelo estimado. Ademais, também aplicamos o procedimento de Toda-Yamamoto de modo a investigar causalidade.

Os resultados encontrados sugerem que um choque no Ibovespa tem um efeito positivo na variação interanual da FBCF, aumentando a mesma em mais de 3 pontos percentuais após três trimestres. A decomposição de variância, por seu turno, revela que cerca de 30% da variância da variação interanual da FBCF é explicada pelo Ibovespa, passados 12 trimestres. Por fim, o teste de precedência temporal sugere que o Ibovespa ajuda a explicar a variação da FBCF, enquanto não encontramos evidências no caso contrário.

Membros do Clube do Código têm acesso a todos os códigos que geraram o exercício no repositório do github.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

O que é um Vector Database e como criar um com LangChain

Nesta postagem, mostramos como construir um pipeline simples de RAG (Retrieval-Augmented Generation) usando o LangChain, o modelo Gemini 2.0 Flash e o Vector Database Chroma. Utilizamos como exemplo o Relatório de Inflação de junho de 2025 do Banco Central do Brasil. O fluxo envolve o download e leitura do PDF, divisão do texto com RecursiveCharacterTextSplitter, geração de embeddings com Gemini, armazenamento vetorial com Chroma e busca semântica para responder perguntas com base no conteúdo do relatório. É uma aplicação prática e didática para economistas que desejam integrar IA ao seu fluxo de análise.

Automatizando a Construção de Códigos em Python com LangGraph

Neste post, mostramos como construir um agente de código em Python utilizando LangGraph, LangChain e Gemini. A proposta é construir um protótipo para automatizar o ciclo completo de geração, execução e correção de código com o uso de LLMs, organizando o processo em um grafo de estados.

Análise de Dados com REPL Tool e LLM usando LangGraph

Neste post, vamos mostrar como você pode criar um agente que interpreta e executa código Python em tempo real, utilizando o REPL-Tool e um LLM da família Gemini. Começamos com um exemplo genérico e, em seguida, aplicamos a mesma estrutura à análise econômica de uma série histórica do IPCA.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.