Como usar IA para ler as atas do FED

A inteligência artificial generativa (IA Generativa) permite criar soluções que automatizam grande parte dos processos manuais de diversas profissões. Na economia, finanças e análise de dados não é diferente. Desde a coleta de dados, passando pela análise e apresentação, podemos usar IA Generativa para economizar tempo e ganhar produtividade.

Neste artigo, mostramos como criar um AI Assistant, que é um “funcionário-robô” encarregado de ler e analisar os statements do FED. A ideia é automatizar o processo de coleta, tratamento, análise e apresentação de dados que comumente economistas fazem a cada nova decisão sobre a taxa de juros (Fed Funds Rate). O assistente realiza estes procedimentos automaticamente e fornece uma análise completa sobre o comunicado da decisão do FED.

Este AI Assistant trabalha dentro de uma dashboard Shiny, para facilitar a experiência e acesso do usuário final. A seguir mostramos o passo a passo do desenvolvimento.

Passo 01: bibliotecas

Iniciamos definindo as bibliotecas utilizadas no projeto:

  • pandas para coletar e tratar dados
  • shiny e shinywidgets para desenvolver a dashboard
  • google.generativeai para analisar o comunicado do FED
  • plotly para visualizar dados

Passo 02: modelo LLM

Em seguida, definimos o modelo de IA generativa a ser utilizado para a análise do statement. Neste caso, utilizamos um modelo popular e acessível, o Gemini.

Obs: é necessário apontar uma chave de API para uso do modelo.

Passo 03: dados e interface da dashboard

Agora avançamos para a interface visual da dashboard, definindo um campo de input para o usuário escolher qual data de decisão do FOMC que se deseja analisar o statement e os outputs para as análises geradas pelo modelo de IA generativa. Além disso, coletamos os dados automaticamente através de uma automação do GitHub Actions.

Passo 04: backend

Por fim, definimos uma função reativa que processa a data escolhida pelo usuário, trata o texto do statement, cria um prompt otimizado para o modelo de IA generativa, envia os dados para a API do Google e recebe a resposta.

O resultado final é a dashboard exposta na imagem acima. Como próximos passos, o app pode ser publicado (deploy) em algum serviço, como o Shinyapps.io.

Conclusão

Os “AI Assistants” são ferramentas que permitem automatizar e agilizar o processo de análise de dados e tomada de decisão. Neste artigo, motramos como usar IA Generativa para criar um AI Assistant simples que analisa as decisões sobre a política de juros do FED.

Quer aprender mais?

Conheça nossa Formação do Zero à Análise de Dados Econômicos e Financeiros usando Python e Inteligência Artificial. Aprenda do ZERO a coletar, tratar, construir modelos e apresentar dados econômicos e financeiros com o uso de Python e IA. 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Tratamento e transformação de séries temporais macroeconômicas para modelagem

"Garbage in, garbage out" é a regra de ouro na previsão macroeconômica. Antes de aplicar qualquer modelo de IA ou econometria para prever indicadores como o IPCA ou o PIB, existe um trabalho crucial de tratamento de dados. Neste post, abrimos os bastidores do nosso dashboard de previsões e mostramos o passo a passo para transformar dados brutos de múltiplas fontes (como BCB, IBGE e FRED) em séries prontas para modelagem. Veja como lidamos com diferentes frequências, aplicamos transformações e usamos metadados para criar um pipeline de dados robusto e automatizado.

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.

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.