Tabela com 16 índices de inflação feita com o pacote STARGAZER

**Índices de Inflaçao no Brasil (%)**

	Mensal Set/15	Mensal Out/15	Mensal Nov/15	Anual Set/15	Anual Out/15	Anual Nov/15

igp10	0,61	1,88	1,64	7,82	9,83	10,72
ipa10	0,82	2,62	2,15	7,37	10,36	11,55
ipc10	0,15	0,59	0,76	9,39	9,50	9,86
incc10	0,36	0,23	0,37	7,21	7,30	7,53
igpm	0,95	1,89	1,52	8,35	10,09	10,69
ipam	1,30	2,63	1,93	8,14	10,72	11,47
ipcm	0,32	0,64	0,90	9,46	9,66	10,06
inccm	0,22	0,27	0,40	7,19	7,26	7,36
igpdi	1,42	1,76	1,19	9,31	10,58	10,64
ipadi	2,02	2,38	1,41	9,52	11,31	11,27
ipcdi	0,42	0,76	1	9,65	10,01	10,39
inccdi	0,22	0,36	0,34	7,37	7,57	7,46
ipaagro	3,40	2,75	2,48	14,66	15,23	14,72
ipaind	1,49	2,23	0,99	7,62	9,84	9,95
ipca15	0,39	0,66	0,85	9,57	9,77	10,28
ipca	0,54	0,82	1,01	9,49	9,93	10,48

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Construindo RAG para Análise do COPOM com SmolAgents

Como criar um Agente de IA?

Como criar um Supervisor de Agentes com LangGraph

Como Criar um Agente SQL com LangGraph para Análise de Dados Financeiros de Empresas Brasileiras

Como preparar dados para usar na IA?

Automatizando Análises Econômicas com LangChain e LangGraph: Multi-Agentes com LLMs

Outros artigos relacionados

Construindo RAG para Análise do COPOM com SmolAgents

Este exercício demonstra, passo a passo, como aplicar o conceito de Retrieval-Augmented Generation (RAG) com agentes inteligentes na análise de documentos econômicos. Utilizando a biblioteca SmolAgents, desenvolvemos um agente capaz de interpretar e responder a perguntas sobre as atas do COPOM com base em buscas semânticas.

Como criar um Agente de IA?

Unindo conhecimentos sobre Tools, LLMs e Vector Stores, agora é hora de integrar diferentes conceitos e aprender a construir um Agente de IA completo. Neste post, nosso objetivo será criar um Agente capaz de responder perguntas sobre o cenário macroeconômico brasileiro, utilizando dados de expectativas de mercado do Boletim Focus do Banco Central do Brasil (BCB) e o framework LangChain no Python.

Como criar um Supervisor de Agentes com LangGraph

Este tutorial mostra como construir um supervisor multiagente usando LangGraph, integrando dois agentes especialistas: um focado em pesquisa na internet com Tavily e outro especializado em operações matemáticas. Para orquestrar esses agentes, utilizamos o modelo Gemini 2.0 da Google.

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!