"Aquele 1%": economia se acomoda em 2018

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

No nosso Curso de Análise de Conjuntura usando o R estão disponíveis apresentações feitas em Beamer/LaTeX de diversos indicadores da economia brasileira. Essas apresentações tem por princípio a automatização do processo de coleta e tratamento dos dados, de maneira que a atualização dos resultados pode ser feita em poucos minutos, com mudanças mínimas no script. Isso garante um aumento considerável na produtividade de quem mexe todos os dias com dados macroeconômicos.

Nas últimas semanas, por suposto, tenho trabalhado na transição dessas apresentações para RMarkdown, uma sintaxe mais simples que o LaTeX, que permite uma introdução ainda mais tranquila para quem nunca programou. Como exemplo, coloco nesse post a atualização da apresentação das Contas Nacionais, divulgadas hoje pelo IBGE para o resultado do quarto trimestre do ano passado.

Os alunos do Curso de Análise de Conjuntura usando o R têm acesso a todos os códigos que geram a apresentação, desde a coleta dos dados, o tratamento dos mesmos e a visualização via ggplot2. Como degustação, não alunos podem ver a nova apresentação RMarkdown aqui.

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Analisando a Volatilidade de Longo Prazo do Ibovespa usando Python

Com base no modelo GARCH(1,1), realizamos realizar a modelagem da variância condicional dos log retornos diários do Ibovespa, abrangendo o período de janeiro de 2018 até dezembro de 2023. O objetivo principal é compreender a implementação desse modelo utilizando a linguagem de programação Python, além de conduzir uma análise do mercado acionário brasileiro ao longo do período amostral.

Ao concluirmos este exercício, teremos a capacidade de obter uma medida representativa da variância de longo prazo da série temporal. Essa medida poderá ser comparada com a variância histórica, permitindo-nos inferir se a volatilidade presente está atualmente inferior ou superior àquela projetada para o futuro. Essa análise contribuirá para uma melhor compreensão da dinâmica da volatilidade no mercado acionário brasileiro.

Construindo uma NAIRU para o Brasil usando Python

Um dos maiores desafios para aqueles que trabalham com dados econômicos é aliar a prática com a teoria. Para tanto, o uso do Python pode facilitar esse desafio, permitindo construir todos os passos de uma análise de dados. Demonstramos o poder da linguagem tomando como exemplo a construção da NAIRU para o Brasil.

A Abordagem do Estudo de Eventos usando Python

A maioria das pesquisas em finanças está dedicada a investigar o efeito de um anúncio da companhia ou de um evento, sistêmico ou não, sobre o preço de uma ação. Esses estudos são conhecidos como “estudos de eventos”. Neste contexto, apresentaremos uma breve introdução à metodologia e demonstraremos como aplicá-la por meio de exemplos reais utilizando a linguagem de programação 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.