Dashboard de política monetária

Investigar os caminhos da política monetária no Brasil é uma tarefa que qualquer analista que trabalhe com economia e/ou finanças não pode deixar de lado, sendo o acompanhamento das taxas de juros, bem como os caminhos das expectativas de mercado para o PIB, Selic, Câmbio e IPCA imprescindíveis para tomar qualquer conclusão sobre o cenário atual e futuro. Para tanto, aqui na Análise Macro, ensinamos nossos alunos não somente a teoria sobre a política monetária, bem como a construção de um painel de monitoramento para esta área da analise de conjuntura. No post de hoje, mostraremos o Dashboard de Política Monetária, construído com base no Curso de Análise de Conjuntura com o R.

Nas últimas semanas, realizamos demonstrações sobre os dashboards de nível de atividade econômica e de inflação, produzidos aqui na Análise Macro, no qual também ensinamos nestes posts a como realizar o deploy desses painéis. Para o dashboard de Política Monetária não é diferente, caso queira realizar o compartilhamento online do painel é possível seguindo os mesmo passos.

Você pode ver o resultado através do seguinte link: https://analisemacro.shinyapps.io/dashboard_monetaria/

Existem três abas no dashboard: Visão Geral, Expectativas de Mercado e ETTJ, cada uma contendo gráfico importantes para o acompanhamento da política monetária no Brasil. A primeira aba, visão geral, evidencia a relação do Juro Real ex-ante com o Juro Neutro ao longo do tempo, demonstrando os momentos que a política monetária deve ser expansionista ou contracionista. Também demonstra, em uma tabela, o acompanhamento das expectativas de mercado, com base no Boletim Focus  semanal para os principais indicadores da economia do ano atual e do próximo ano, sendo os indicadores: IPCA, PIB, Câmbio e Selic.

Na segunda aba, evoluímos as tabela dos indicadores econômicos traçados pela expectativas do Focus para uma gráfico que contém a trajetória ao longo do tempo dos valores da pesquisa de cada indicador do Focus, com um input para cada indicador. Na imagem abaixo, vemos a evolução das Expectativas de mercado para a Selic.

 

Por fim, na terceira aba, visualizamos a Estrutura a Termo de Taxa de Juros, demonstrado os valores no dia para os títulos indexados ao IPCA em diferentes vencimentos.

Quer aprender mais sobre R e Python? 

Abrimos as inscrições com 30% de desconto para as Turmas de Outono dos nossos Cursos Aplicados de R e Python. As vagas com esse desconto são limitadas aos primeiros inscritos. Haverá vagas para 25 Cursos Livres e 3 Formações. As turmas de Outono terão início no dia 04/04 e contarão com Cursos de Introdução à Programação em R ou Python, de modo que não é necessário nenhum conhecimento prévio nas linguagens. Para todos os detalhes sobre as Turmas de Outono, entre neste link e garanta sua vaga!

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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.

Como otimizar um portfólio de investimentos no Python?

Este post apresenta, de forma prática e didática, como aplicar o modelo de otimização de carteiras de Markowitz utilizando Python. A partir de dados reais de ações brasileiras, mostramos como calcular retornos, medir riscos e encontrar a combinação ótima de ativos com base nas preferências de risco do investidor. Utilizamos a biblioteca Riskfolio-Lib para estruturar a análise e gerar gráficos como o conjunto de oportunidades e a fronteira eficiente.

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.