Coletando dados da SELIC com o Python

A Selic é a taxa básica de juros da economia brasileira, configurando-se como um dos principais instrumentos de política monetária no país. Neste post de hoje, mostramos como é possível obter os dados da Taxa Selic Meta utilizando o Python.

Para obter os dados da Taxa Selic Meta, é necessário utilizarmos a biblioteca {python-bcb}, em conjunto com seu módulo sgs, de forma que possamos importar os dados do Sistema Gerenciador de Séries Temporais do Banco Central (SGS).

Portanto, iremos instalar e carregar as bibliotecas necessárias.

Em seguida, devemos buscar o código da série da Taxa Meta Selic no site do SGS, que é disponibilizado pelo código 432. Com o código em mãos, utilizamos a função sgs.get(), com argumentos 'selic' (para o nome da coluna no data frame importado) e '432', referente ao código para a importação. Veja que configuramos um período de início, a partir de 2010.

Será importado um Data Frame, no qual poderemos realizar manipulações e visualizações.

________________________________________

Quer saber mais?

Veja nossos cursos de Macroeconomia através da nossa trilha de Macroeconomia Aplicada.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como usar Modelos de Linguagem no R com o pacote {elmer}

Na análise de dados contemporânea, o uso de Modelos de Linguagem (LLMs) vem se consolidando como uma ferramenta poderosa para automatizar e aprimorar tarefas analíticas. Ao integrarmos LLMs a pacotes como o ellmer, podemos ampliar nossas capacidades de extração, interpretação e automação de dados no ambiente R. Neste post, exploramos o papel desses modelos e detalhamos como o ellmer opera dentro do universo da linguagem de programação R.

Introdução ao AutoGen: Agentes Inteligentes na Análise Financeira

O AutoGen é um framework da Microsoft que permite criar agentes de IA colaborativos. Na área financeira, pode automatizar a coleta de dados, cálculos de indicadores e geração de relatórios. Este artigo apresenta os conceitos básicos e um exemplo aplicado a ações de empresas.

Como usar LangGraph e LLMs para prever a inflação no Brasil

Este post apresenta um estudo de caso sobre como utilizar o LangGraph e modelos de linguagem para estruturar um sistema multiagente voltado à previsão do IPCA. O exercício cria um sistema que utiliza-se de personas analíticas que trabalham em paralelo, permitindo validar previsões, calcular métricas de erro e consolidar relatórios automatizados. A abordagem demonstra como fluxos multiagentes podem apoiar a análise econômica, oferecendo múltiplas perspectivas e maior consistência nos resultados.

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.