O google trends melhora a previsão do desemprego? Veja o que o pessoal do NEOC/UFF anda fazendo...

No final de julho, o Matheus Rabelo (NEOC/UFF) chamou atenção para um aumento da procura pela palavra-chave "emprego" lá no Google Trends. Dei uma pequena ajuda a ele, na forma de tratar os dados do gtrends e chamei atenção para a possibilidade de utilizar essa variação na previsão da taxa de desemprego. Esse, inclusive, tem sido um tema recorrente nesse espaço, por questões óbvias. Será que melhora a modelagem e, consequentemente, a previsão de variáveis macroeconômicas? É o que me perguntei à época, aqui. O Matheus, então, acabou aceitando a proposta e publicou ontem a questão lá no blog do NEOC. O trabalho é preliminar, mas fico muito feliz por o pessoal do NEOC estar usando cada vez mais o  \(\mathbf{R}\) e se empolgando com dados. Sinto uma pontinha de responsabilidade nisso, desde que lancei lá atrás a ideia do GECE na faculdade de economia... Só uma pontinha, claro, porque o mérito é todo do pessoal do NEOC.  Continuem assim, NEOC! E, claro, deem uma olhada no trabalho deles, leitores... 🙂

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Investigando a precedência temporal entre a taxa Selic e as expectativas da Selic no Boletim Focus usando o R

Neste exercício, aprofundamos a compreensão da dinâmica entre a taxa Selic e as expectativas dos agentes econômicos no Brasil ao identificar a direção da precedência temporal da relação entre as duas variáveis. A análise engloba desde a coleta e tratamento dos dados até a visualização e análise econométrica, culminando na avaliação da causalidade de Granger e na interpretação dos resultados.

Como analisar o sentimento dos textos do COPOM no Python?

Neste exercício construímos um indicador que busca quantificar o sentimento proveniente das decisões de política monetária no Brasil. Usando técnicas de mineração de texto, implementamos todas as etapas necessárias, desde web scraping e pré-processamento das atas do Comitê de Política Monetária do Banco Central (COPOM), até a criação de tokens e a classificação do sentimento implícito nos textos.

Como importar os textos do COPOM para análise de sentimentos no Python?

Os textos divulgados pelo COPOM, sejam os comunicados ou atas, são o ponto de partida para diversos tipos de análises quantitativas, como a análise de sentimentos, e qualitativas, como uma análise de cenário econômico. Neste artigo, mostramos como coletar estes textos de forma automatizada usando web scrapping e Python.

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.