O objetivo da Econometria Financeira é prover conhecimentos básicos sobre séries temporais financeiras, introduzir técnicas estatísticas úteis para analisar dados financeiros, bem como apresentar aplicações práticas de alguns métodos econométricos. Nesse post, nós vamos discutir alguns conceitos básicos sobre como coletar dados financeiros, bem como algumas formas avaliar as propriedades estatísticas dessas séries.
Com o aumento da disponibilidade de dados, torna-se fundamental conhecer técnicas e métodos para analisá-los e utilizá-los de forma estratégica. Nesse contexto, é importante compreender como os dados são estruturados e quais ferramentas podem ser usadas para trabalhar com eles. Neste artigo, exploramos os conceitos das principais estruturas de dados, mostramos exemplos e aplicações em R e Python para trabalhar com dados de série temporal e corte transversal.
O ciclo de análise de dados organiza um projeto em seis etapas: objetivo, dados, exploração, modelagem, validação e implantação. Percorremos cada uma delas com um caso de queda de engajamento, mostrando o que cada fase entrega e quais ferramentas usa.
Uma série é estacionária quando média, variância e autocovariância não mudam no tempo — condição para qualquer modelo de previsão. Neste tutorial em Python, coletamos seis séries econômicas brasileiras (Ibovespa, IPCA, câmbio, Selic e mais) e aplicamos os testes ADF e KPSS para decidir, com evidência, quais são estacionárias e quais precisam ser diferenciadas ou destendenciadas.