Macroeconomia 101 para economistas heterodoxos

Carlos Eduardo Gonçalves responde à Laura Carvalho em artigo de hoje na mesma Folha. Leia aqui. Diz ele, "Olhando para o longo prazo, me preocupa menos a miséria dos últimos anos e mais o fato de que muita gente parece não ter percebido que existe uma coisa importante em economia chamada "lado da oferta". Sim, nós podemos fazer melhor". Tem muita gente boa por aí que acha besteira confrontar economistas como Laura, porque todo mundo sabe que ela está errada. Bom, acho que não é todo mundo, vide o apoio que a Nova Matriz teve lá no início. Outra coisa [mais] importante: é preciso confrontar essas ideias equivocadas, para que não se propaguem via nossos alunos de economia. Por fim, como já fiz inúmeras vezes nesse espaço, é preciso dizer [sim] porque a Nova Matriz não deu certo [e nem tinha a menor chance de dar certo]. Se queremos ser um país desenvolvido, os economistas precisam dar sua cota de contribuição... 🙂

keynes_robbins

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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.

O que é GraphRAG e implementar usando LangChain

GraphRAG é uma técnica de recuperação de informação para LLMs que utiliza grafos de conhecimento para conectar entidades e relações, permitindo estruturar informações complexas presentes em textos. Neste exercício, mostramos como transformar as atas do Copom em um grafo capaz de compreender essas entidades e relações, respondendo a perguntas complexas de forma contextualizada. Com Python e LangChain, todo o processo se torna automatizado, simples e altamente explorável.

Shiny + Agentes de IA: como criar aplicativos web inteligentes

A combinação de interfaces de usuário interativas com o poder dos grandes modelos de linguagem (LLMs) está abrindo um universo de possibilidades. Imagine criar um aplicativo web que não apenas exibe dados, mas também conversa com o usuário, respondendo a perguntas complexas com base em uma base de conhecimento específica. Usando Shiny para Python e ferramentas de IA como as do Google, isso é mais acessível do que nunca.

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.