Gráfico do dia: os juros norte-americanos.

fomc
Os juros norte-americanos irão aumentar. E o Brasil, como fica?

O Federal Reserve (FED), o banco central norte-americano, deu ontem mais um passo rumo à normalização da sua política monetária. Ele atualizou sua estratégia de quando começará a aumentar os juros básicos da economia. O gráfico ao lado (clique para ampliar) resume como os 16 membros do FOMC, o comitê de política monetária deles, observa o ritmo de aumento nos próximos anos. Cada bolinha azul representa a opinião de um dos membros. Para esse ano, por exemplo, 16 dos 17 membros situam a taxa básica de juros no intervalo entre 0% e 0,25%. Já para o ano que vem, 10 membros projetam a taxa no intervalo entre 1% e 2%. Para 2016, 8 membros projetam os juros entre 2% e 3% e em 2017, 12 membros a colocam entre 3% e 4%. No longo prazo, 15 membros consideram o intervalo de 3,25% e 4% o mais adequado para os juros. Qual o impacto que essa elevação dos juros norte-americanos terá sobre a economia brasileira? Leia aqui. O gráfico foi retirado daqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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”.

Estudo de Caso: Impacto do Metro em São Paulo

O que é Pareamento? E o que significa Propensity Score? Como podemos utilizar essa ferramenta para auxiliar no estudo da avaliação de impacto? Neste post, oferecemos uma breve introdução a esse importante método da área de inferência causal, acompanhado de um estudo de caso para uma compreensão mais aprofundada de sua aplicação. Os resultados foram obtidos por meio da implementação em Python, como parte integrante do nosso curso sobre Avaliação de Políticas Públicas utilizando esta linguagem de programação.Quer saber como essa análise foi construída? Seja aluno do nosso curso Avaliação de Políticas Públicas usando Python, e tenha acesso às aulas teóricas e práticas, com o código disponibilizado em 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.