Tag: banco central

Agente de IA que coleta dados do BCB e do IBGE sozinho

Construímos um agente de IA que recebe um pedido em português e decide sozinho onde buscar o dado — no Banco Central ou no IBGE. Ele coleta, valida em três camadas e guarda só o que passou. E quando não sabe o que está pegando, pergunta em vez de inventar. Por dentro: LangGraph, o loop agêntico, os guardrails de cada fonte e a memória do agente.

Como construímos um agente de IA que lê as atas do Copom

Toda reunião do Copom gera uma ata longa, e ler o documento para achar a Selic e o tom do comitê consome tempo. Mostramos um agente de IA que faz isso sozinho: três agentes (leitor, analista e redator) buscam a ata real na API do Banco Central, leem o documento inteiro e devolvem um resumo com a Selic exata. O post explica como o sistema funciona por dentro — o ciclo do agente, o mural compartilhado e as ferramentas (LangGraph, Python, Streamlit) — com o resultado real.

Construindo um Índice de Tom das Atas do Copom com LLMs e Python

Este artigo apresenta um tutorial sobre como construir um Índice de Tom para as atas do Copom utilizando Grandes Modelos de Linguagem (LLMs) e Python. Mostramos o processo de coleta de dados via API do BCB, engenharia de prompt com o Google Gemini e calibração do índice via regressão linear para expressá-lo em unidades equivalentes à taxa Selic. O resultado é um indicador quantitativo que mede o sentimento (hawkish vs. dovish) da comunicação do Banco Central.

Como calcular Paridade do Poder de Compra para o Brasil usando o Python

Este exercício ensina como calcular a Paridade do Poder de Compra (PPP) e a Taxa de Câmbio Real para o Brasil utilizando Python. Através da coleta automatizada de dados de inflação (IPCA e CPI americano) e câmbio, o exercício demonstra como mensurar o desalinhamento cambial do Real em relação ao Dólar, identificando períodos históricos de sobrevalorização e subvalorização da moeda brasileira com base na teoria econômica.

Estimando a NAIRU Implícita e a Relação entre Hiato e Desemprego com Python

Este artigo apresenta um exercício prático de macroeconomia aplicada utilizando Python para investigar a relação entre o nível de atividade econômica e o mercado de trabalho no Brasil. O estudo detalha o processo de coleta automatizada do Hiato do Produto do Banco Central e a construção de uma série histórica longa de desemprego (unificando PME e PNAD Contínua). Através de técnicas de ajuste sazonal (X-13ARIMA-SEATS) e modelagem econométrica, estima-se a NAIRU (Taxa de Desemprego Não Aceleradora da Inflação) implícita da economia brasileira em 9,46%, confirmando a forte correlação negativa prevista pela Lei de Okun.

Tag: banco central

Agente de IA que coleta dados do BCB e do IBGE sozinho

Como construímos um agente de IA que lê as atas do Copom

Construindo um Índice de Tom das Atas do Copom com LLMs e Python

Como calcular Paridade do Poder de Compra para o Brasil usando o Python

Estimando a NAIRU Implícita e a Relação entre Hiato e Desemprego com Python

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Agente de IA que coleta dados do BCB e do IBGE sozinho

Como construímos um agente de IA que lê as atas do Copom

Pipeline de relatório de IPCA com agentes no Claude Code

Skills no Claude Code: o que são, onde ficam e como acionar

Context Engineering: o que o modelo lê quando responde

MCP: como conectar o Claude ao mundo real