Como coletar dados do Banco Central do Chile usando a API com o Python?

O Banco Central do Chile é a autoridade monetária responsável por manter o poder de compra do peso chileno. Fazer isso não é nada fácil e envolve analisar um grande volume de dados. Grande parte destes dados podem ser acessados publicamente pelo portal de dados da instituição.

Aprenda a coletar, processar e analisar dados na formação de Do Zero à Análise de Dados Econômicos e Financeiros com Python.

A Base de Dados Estatísticos (BDE) é o portal de dados do Banco Central do Chile que reúne dezenas de milhares de dados relevantes e atualizados sobre uma variedade de temas, tais como:

  • Contas Nacionais
  • Economia Internacional
  • Expectativas Econômicas
  • Finanças Públicas
  • Estatísticas Monetárias e Financeiras
  • Indicadores Setoriais

O portal permite pesquisar os dados de interesse por tema e por frequência da série, além de pesquisa textual.

Neste artigo mostramos como pesquisar e como coletar os dados do portal do Banco Central do Chile através do sistema de API usando a linguagem Python. Este processo permite automatizar rotinas de extração de dados, eliminando trabalho manual e repetitivo de atualização de bases de dados econômicos.

Passo 01: criando cadastro de usuário

  1. Acesse o site https://si3.bcentral.cl/siete
  2. Clique em “Registrarse”
  3. Preencha nome, email, senha e demais informações da tela
  4. Clique em “Guardar
  5. Aguarde receber email com código de autenticação e copie o mesmo
  6. Cole o código de autenticação na tela de cadastro e clique em “Validar”
  7. Clique em “Iniciar sesión”
  8. Preencha email e senha
  9. Clique em “Ingresar”
  10. Acesse o site https://si3.bcentral.cl/Siete/en/Siete/API?respuesta= (refaça o login se necessário)
  11. Marque a caixa “I have read and accept the Terms and conditions
  12. Clique em “Activate API usage

Passo 02: coletando dados pela API do BCC no Python

Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

  1. Consultar detalhes da API no site https://si3.bcentral.cl/estadisticas/Principal1/Web_Services/doc_en.htm
  2. Instalar a biblioteca bccapi
    pip install bcchapi
  3. Importar a biblioteca bccapi e demais
  4. Definir usuário e senha de cadastro na API como variáveis de ambiente
  5. Autenticar na API com usuário e senha
  6. Buscar dados de interesse (veja neste Excel a lista de séries disponíveis)
    seriesId frequencyCode spanishTitle englishTitle firstObservation lastObservation updatedAt createdAt
    0 F089.EDEP.POR.91EI12.M MONTHLY 1 a 12 meses; expectativas de inflación de las... 1 to 12 months; business inflation expectation... 2021-11-01 2024-03-01 2024-05-03 2024-05-03
    1 F089.EDEP.POR.91EI24.M MONTHLY 13 a 24 meses; expectativas de inflación de la... 13 to 24 months; business inflation expectatio... 2021-11-01 2024-03-01 2024-05-03 2024-05-03
    2 F089.IPC.V12.14.M MONTHLY Expectativas de inflación en 11 meses (variaci... Inflation expectations in 11 months (12-month ... 2001-01-01 2024-04-01 2024-04-10 2024-04-10
    3 F089.IPC.V12.15.M MONTHLY Expectativas de inflación en 23 meses (variaci... Inflation expectations in 23 months (12-month ... 2001-01-01 2024-04-01 2024-04-10 2024-04-10
    4 F089.IPC.V12.16.M MONTHLY Expectativas de inflación, variaciones IPC en ... Inflation expectations, December 2004 2002-11-01 2004-10-01 2015-01-09 2015-01-09
  7. Importar série pelo código (exemplo para série “F049.VTR.IND.BCC1.01.M”, ou seja, a expectativa de inflação 23 meses à frente)
    expectativas_infl_23m
    2023-12-01 3.0
    2024-01-01 3.0
    2024-02-01 3.0
    2024-03-01 3.0
    2024-04-01 3.0

E dessa forma simples é possível acessar todos os dados existentes no portal de dados do BCC!

Abaixo mostramos um gráfico de exemplo com os dados de taxa de inflação esperada 23 meses à frente para o Chile:

Conclusão

Neste artigo mostramos como pesquisar e como coletar os dados do portal do Banco Central do Chile através do sistema de API usando a linguagem Python. Este processo permite automatizar rotinas de extração de dados, eliminando trabalho manual e repetitivo de atualização de bases de dados econômicos.

Quer aprender mais?

Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Montar um pipeline de previsão macroeconômica não é apenas uma tarefa técnica — é um exercício de integração entre dados, modelos e automação. Neste post, apresento uma visão geral de como estruturar esse processo de ponta a ponta, da coleta de dados até a construção de um dashboard interativo, que exibe previsões automatizadas de inflação, câmbio, PIB e taxa Selic.

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

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.