Dados alternativos em Macroeconomia

Comumente, ao analisar dados Macroeconômicos, nos preocupamos em utilizar dados de estatísticas oficiais, entretanto, é possível obter insights utilizando outros tipos de dados, como é o caso dos dados alternativos. Um tipo de dado alternativo interessante é obtido através do relatório de mobilidade da comunidade do Google. No post de hoje, vamos analisar os dados deste relatório utilizando o R.

Dados alternativos são dados não tradicionais que fornecem informações úteis para determinada área. No caso do relatório de mobilidade do google (mobility trends), é possível obter informações dos locais de maior mobilidade da população de uma região ou país.

Com a devida análise do mobility trends, podemos saber os setores que estão recebendo maior número de deslocamento, tais como varejo e lazer, mercados e farmácias, parques, estações de transporte público, locais de trabalho e áreas residenciais. Logo, as informações podemos construir formas de capturar os possíveis volumes de venda de determinado setor no curto prazo.

Vamos realizar uma análise do mobility trend do google utilizando o pacote {covid19mobility}, disponível no repositório do Github do autor "covid19r/covid19mobility".

Uma vez instalado, utilizamos a função refresh_covid19mobility_google_country() para importar os dados do Google, que nos fornecerá o relatório para diversos países do mundo, bem como de todos os setores. Portanto, é necessário realizar os devidos filtros antes de realizar a análise

________________________________________

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

Quais são as ferramentas de IA?

Um aspecto crucial dos Agentes de IA é a sua capacidade de tomar ações, que acontecem por meio do uso de Ferramentas (Tools). Neste artigo, vamos aprender o que são Tools, como defini-las de forma eficaz e como integrá-las ao seu Agente por meio da System Prompt. Ao fornecer as Tools certas para o seu Agente — e ao descrever claramente como essas Tools funcionam — você pode aumentar drasticamente o que sua IA é capaz de realizar.

Otimizando um Portfólio de Investimentos com Machine Learning

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.

Como usar IA + Python para o Mercado Financeiro?

Neste post, mostramos como a Inteligência Artificial, aliada à linguagem Python, está revolucionando o mercado financeiro. Exploramos as principais áreas onde essa tecnologia pode ser aplicada — como gestão de carteiras, análise de demonstrações contábeis, estratégias quantitativas, trading e análise macroeconômica — com foco em aplicações práticas e exemplos voltados para o contexto brasileiro.

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.