Boas festas e um excelente 2014 para todos!

Foi um ano bastante produtivo, apesar dos inúmeros problemas particulares que tive. Nesse espaço as visitas aumentaram em mais de 30%, em relação ao ano de 2012. Pude participar do III Encontro Nacional de Blogueiros de Economia, aumentei consideravelmente o número de palestras pelo país, assisti a tantas outras de renomados especialistas e, principalmente, pude dedicar tempo considerável ao que mais gosto de fazer: escrever. A análise de conjuntura foi o tema principal de meus posts, artigos, cartas e resenhas, publicados nesse espaço, em jornais, revistas e outros sites. Em particular, tive a grata felicidade de criar o Grupo de Estudos sobre Conjuntura Econômica (GECE), na faculdade de economia da UFF, que reúne pessoas entusiasmadas e com grande potencial. Por tudo isso, o balanço do ano, apesar de todas as dificuldades, foi imensamente positivo. Agradeço a todos que passaram por aqui em 2013 e espero-os novamente em 2014, um difícil ano para a economia brasileira. Feliz natal e um excelente 2014 para todos!

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Coletando dados do Google Trends no R e no Python

Contribuição para a Volatilidade [Python]

Inflação de Serviços vs. Desemprego

Modelo de previsão para grupos do IPCA

Text mining dos comunicados do FOMC: prevendo mudanças na política

Analisando a inflação por faixa de renda no Python

Outros artigos relacionados

Coletando dados do Google Trends no R e no Python

Como acompanhar e antecipar tendências de mercado? Independentemente da resposta final, os dados são o meio. Neste artigo, mostramos como obter dados do Google Trends em tempo quase real, utilizando as linguagens de programação R e Python.

Contribuição para a Volatilidade [Python]

A contribuição para a volatilidade fornece uma decomposição ponderada da contribuição de cada elemento do portfólio para o desvio padrão de todo o portfólio. Em termos formais, é definida pelo nome de contribuição marginal, que é basicamente a derivada parcial do desvio padrão do portfólio em relação aos pesos dos ativos. A interpretação da fórmula da contribuição marginal, entretanto, não é tão intuitiva, portanto, é necessário obter medidas que possibilitem analisar os componentes. Veremos portanto como calcular os componentes da contribuição e a porcentagem da contribuição. Vamos criar as respectivas medidas usando a linguagem de programação Python.

Inflação de Serviços vs. Desemprego

A teoria econômica convencional sugere a presença de um trade-off entre inflação e desemprego no curto prazo, comumente conhecido como a Curva de Phillips. Em termos simples, reduções na taxa de desemprego podem resultar em um aumento temporário na inflação. Nesse contexto, a inflação de serviços emerge como uma categoria particularmente relevante devido às suas características distintivas. Para explorar e visualizar a relação entre inflação de serviços e desemprego, conduzimos uma análise utilizando a linguagem de programação Python. Além disso, empregamos o procedimento de Toda-Yamamoto para avaliar a existência de uma relação de causalidade no sentido Granger entre essas variáveis.