Curso de Macroeconometria está com inscrições abertas!

Começa no próximo dia 22/04, a Turma de Outono do Curso de Macroeconometria usando o R. Com uma proposta única no país, o curso utiliza diversas técnicas econométricas para entender o fascinante mundo da macroeconomia. Dividido em três grandes blocos, o curso proporciona ao aluno uma introdução qualificada ao mundo dos modelos macroeconométricos. Na primeira parte, o organismo econômico é desvendado por meio da estimação de Curvas de Phillips, Curva IS, Paridade Descoberta da Taxa de Juros e da Regra de Taylor. No segundo bloco, são construídos modelos para diversas variáveis macroeconômicas. Na última parte, por fim, o tema da causalidade é explorado por meio de testes estatísticos.

Ao longo das 15 seções do curso, os alunos aprendem a utilizar a econometria de forma didática e totalmente aplicada para analisar variáveis macroeconômicas. Para isso, utiliza-se o R como linguagem principal. Para quem não tem conhecimentos da linguagem, um Nivelamento está disponível durante todo o período da turma.

Curtiu? Então, garanta já a sua vaga aqui!

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Analisando o sentimento da política monetária com IA usando Python

Análise de sentimentos é uma técnica de Processamento de Linguagem Natural (PLN) que serve para revelar o sentimento contido em um texto. Neste exercício, aplicamos esta técnica para analisar as atas das reuniões do COPOM, revelando o que os diretores de política monetária discutem nas entrelinhas. Utilizando um modelo de Inteligência Artificial através do Python, produzimos ao final um índice de 0 a 100 para sintetizar a análise histórica.

Como a IA pode auxiliar na otimização de Portfólio de Investimentos?

A construção de portfólio ótimo refere-se ao processo de alocar eficientemente capital entre um conjunto predefinido de ativos ou títulos. O campo da construção de portfólio tem sido extensivamente estudado por acadêmicos e profissionais desde a década de 1950, quando Markowitz introduziu sua inovadora abordagem de média-variância para a construção de portfólio. Diante disso, podemos melhorar o processo de alocação de peso de um investimento em um portfólio através do Aprendizado não supervisionado com a aplicação do Hierarchical Risk Parity (HRP). Neste exercício, realizamos uma introdução ao método e mostramos os resultados de um exemplo criado através do Python.

Prevendo múltiplas séries usando IA no Python

Como podemos realizar previsões para várias séries temporais simultaneamente? Para abordar essa questão, empregamos a biblioteca MLForecastdo Python. Esta biblioteca disponibiliza uma variedade de modelos e funcionalidades para realizar previsões em séries temporais utilizando técnicas de aprendizado de máquina. Demonstramos sua aplicação ao prever as curvas de energia horária em quatro regiões distintas do Brasil.

Esse exercício é uma continuação do exercício “Usando IA para prever o consumo de energia no Brasil com Python”.

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.