Modelos Preditivos aplicados à Macroeconomia

Um Curso totalmente hands-on, voltado para a construção de modelos preditivos em R para variáveis macroeconômicas baseados em algoritmos de machine learning. Além disso, os alunos do Curso aprenderão a desenvolver dashboards em shiny para visualização dos resultados dos modelos.

Aprenda a construir modelos de machine learning para fazer previsão de variáveis macroeconômicas

Os modelos de machine learning entraram de forma definitiva no pipeline de quem trabalha com previsão de variáveis macroeconômicas. De forma a atender essa demanda crescente, preparamos um super Curso que irá focar na construção de modelos preditivos baseados em algoritmos de machine learning para variáveis macroeconômicas como IPCA, IGP-M, taxa de juros, crédito, produção industrial, vendas no varejo, serviços, variáveis fiscais, etc.

Para quem é

O público-alvo desse curso é composto por estudantes de graduação que já tenham concluído as cadeiras de macroeconomia, estatística e econometria; estudantes de pós-graduação que tenham interesse em trabalhar com modelos de previsão, professores interessados no ensino/pesquisa de modelos preditivos e profissionais de mercado que queiram ter acesso a ferramentas de fronteira na área de forecasting.

Pré-requisitos

Os pré-requisitos para o Curso serão dados como bônus para os alunos que se inscreverem no Curso: R para Análise de Dados e Machine Learning usando o R.

Ementa do Curso

O curso se divide em 25 seções, intercalando entre a construção de modelos preditivos para variáveis macroeconômicas como IPCA, IGP-M, câmbio, crédito, nível de atividade, setor externo e variáveis fiscais, bem como a construção de dashboards em shiny que tornam a visualização das projeções mais amigável para o usuário final.

O Curso será totalmente hands on, com a automatização do processo de coleta de co-variáveis, utilizadas para a previsão da variável de interesse, bem como o tratamento e escolha dos modelos. Todas as seções incluem o processo de treino/teste dos modelos utilizados, bem como a previsão fora da amostra das variáveis de interesse.

O produto final de cada um dos blocos de previsão será uma estratégia completa de previsão, que passa pelo pré-processamento das co-variáveis, modelagem e previsão, bem como a construção de um dashboard interativo para visualização gráfica do processo.

Ao longo do processo, serão utilizados os principais algoritmos de machine learning, tais como regressão, LASSO, Bagging, CSR, Random Forest, Redes Neurais, árvores de decisão, SVM, dentre outros.

Programa Completo do Curso

Seção 01 — Apresentação do Curso e Introdução a Modelos Preditivos

Nessa seção, o aluno será apresentado ao programa do curso, bem como ao uso de modelos de machine learning para fins de previsão.

Seção 02 — Modelos de Previsão para a inflação medida pelo IPCA

Nessa seção, o aluno aprenderá a construir uma estratégia de previsão para a inflação medida pelo IPCA envolvendo regressão CSR, Bagging e LASSO.

Seção 03 — Criando um dashboard em shiny para previsão da inflação medida pelo IPCA

Nessa seção, os alunos irão aprender a construir um dashboard em shiny que mostra a previsão da inflação medida pelo IPCA.

Seção 04 — Modelos de Previsão para a Produção Industrial

O objetivo dessa seção é apresentar uma estratégia de previsão da produção industrial brasileira baseada em modelos de regressão, LASSO e Random Forests.

Seção 05 — Criando um dashboard em shiny para previsão da produção industrial

Nessa seção, construiremos um dashboard voltado para a previsão da produção industrial brasileira.

Seção 06 — Prevendo os Serviços (PMS)

Nessa seção, a partir de palavras-chaves extraídas do Google Trends, geramos uma previsão para os serviços disponíveis na Pesquisa Mensal de Serviços (PMS).

Seção 07 — Dashboard em shiny para previsão de Serviços

Nessa seção, os alunos aprenderão a produzir um dashboard em shiny que contém um modelo de previsão para os serviços da PMS.

Seção 08 — Modelando as Vendas do Comércio (PMC)

Nessa seção, construiremos modelos clássicos como ARIMA, exponential smoothing, regressão linear e outros mais modernos como o algoritmo Prophet e Redes Neurais para fazer previsão das vendas do comércio (PMC).

Seção 09 — Dashboard em shiny para previsão das vendas do Comércio

Tudo pronto com a análise exploratória e com os modelos? Nessa seção, os alunos aprenderão a produzir relatórios/apresentações e a disponibilizar seus notebooks para consulta de usuários externos. Focaremos na reprodutibilidade dos trabalhos e na coesão do código e dos relatórios.

Seção 10 — Nowcasting do PIB

Nessa seção, construímos um modelo de nowcasting do PIB brasileiro.

Seção 11 — Dashboard de nowcasting do PIB

Nessa seção, construímos um dashboard de nowcasting do PIB

Seção 12 — Modelo de Previsão do Desemprego medido pela PNAD Contínua

Nessa seção, construímos uma estratégia de previsão para o desemprego medido pela PNAD Contínua baseada em modelos de ML.

Seção 13 — Dashboard de previsão para o desemprego brasileiro

Nessa seção, construímos um dashboard que mostra a previsão do desemprego brasileiro.

Seção 14 — Modelo de Previsão para Crédito a Pessoa Física

Nessa seção, construímos um modelo de previsão para crédito a pessoa física.

Seção 15 — Dashboard de previsão do crédito a pessoa física

Nessa seção, construímos um modelo de previsão para crédito a pessoa física.

Seção 16 — Modelo de Previsão para a Taxa Selic

Nessa seção, construímos um modelo de previsão para a taxa básica de juros da economia brasileira.

Seção 17 — Dashboard de Previsão para a Taxa Selic

Nessa seção, construímos um dashboard de previsão para a taxa básica de juros da economia brasileira.

Seção 18 — Modelo de Previsão para a taxa de câmbio R$/US$

Nessa seção, construímos uma estratégia de previsão para a taxa de câmbio R$/US$.

Seção 19 — Dashboard de previsão da taxa de câmbio R$/US$

Nessa seção, construímos um dashboard de previsão para a taxa de câmbio R$/US$.

Seção 20 — Modelos de Previsão do IGP-M

Nessa seção, construímos uma estratégia de previsão para o IGP-M

Seção 21 — Dashboard de previsão do IGP-M

Nessa seção, construímos um dashboard de previsão do IGP-M

Seção 22 — Previsão de variáveis fiscais brasileiras

Nessa seção, construímos uma estratégia de previsão para variáveis fiscais brasileiras como o resultado primário e a dívida bruta.

Seção 23 — Dashboard de previsão de variáveis fiscais brasileiras

Nessa seção, construímos um dashboard de previsão das variáveis fiscais brasileiras

Seção 24 — Previsão de variáveis externas

Nessa seção, construímos modelos de previsão das variáveis externas como balança comercial, conta corrente e investimento estrangeiro direto

Seção 25 — Dashboard de previsão de variáveis externas

Nessa seção, construímos um dashboard de previsão das variáveis externas como balança comercial, conta corrente e investimento estrangeiro direto

Material do Curso

Vídeos Didáticos
Cada seção será acompanhada de videoaulas subdividas em tópicos específicos, tornando o aprendizado ainda mais dinâmico.

Slides e Códigos disponíveis
Todos os slides e códigos utilizados ao longo das seções ficam disponíveis para os alunos baixarem e reproduzirem.

Pdfs reprodutíveis
Em todas as seções, o professor produz apresentações e relatórios que dão o direcionamento para o aprendizado autônomo do aluno.

Como eu farei o curso?

Nosso Curso de Modelos Preditivos aplicados à Macroeconomia é 100% adaptável à sua rotina de trabalho ou estudo. Você escolhe o melhor horário para assistir aos vídeos gravados e aprofundar o tema da videoaula replicando o exercício realizado pelo professor.

Todos os códigos utilizados são disponibilizados para que o aluno possa aprender de forma autônoma. De forma a dar maior atenção aos alunos, as vagas para essa turma serão limitadas.

Os alunos inscritos no Curso terão acesso a todo o material digital e às videoaulas por 12 meses. Poderão tirar dúvidas com o professor em plataforma exclusiva.

Sobre o professor do Curso

Vítor Wilher

Mestre em Economia | Cientista de Dados

Vítor Wilher é Bacharel e Mestre em Economia, pela Universidade Federal Fluminense, especialista em Data Science pela Johns Hopkins University e um dos professores pioneiros na oferta de Cursos de R no Brasil. Seu curso de Introdução ao R teve mais de 30 turmas e formou milhares de alunos no país. Sua dissertação de mestrado foi na área de política monetária, titulada "Clareza da Comunicação do Banco Central e Expectativas de Inflação: evidências para o Brasil", defendida perante banca composta pelos professores Gustavo H. B. Franco (PUC-RJ), Gabriel Montes Caldas (UFF), Carlos Enrique Guanziroli (UFF) e Luciano Vereda Oliveira (UFF). Já trabalhou em grandes empresas, nas áreas de telecomunicações, energia elétrica, consultoria financeira e consultoria macroeconômica. Atualmente, é Sócio-fundador da Análise Macro e Palestrante. Caso queira, mande um e-mail para ele: vitorwilher@analisemacro.com.br. O portfólio e currículo completo do professor podem ser vistos aqui.

Emitimos Certificado de 90 horas para uso no seu trabalho ou universidade

Os alunos inscritos no Curso têm acesso a Certificado de 90 horas para fins de atividades complementares de cursos de graduação ou pós-graduação, bem como na sua empresa. Para ter acesso ao certificado, o aluno deverá entregar mais do que 70% das atividades propostas ao longo do Curso no prazo de 12 meses.