macroeconomia

Como coletar dados de conjuntura do setor externo com Python

Toda e qualquer economia de mercado deve ter algum contato, menor ou maior, a depender de diversos fatores, com o resto do mundo. Convencionou-se, nesse contexto, a designar como setor externo a área da análise de conjuntura onde são compiladas e analisadas as transações comerciais e financeiras que são feitas entre residentes e não residentes de um determinado país. Neste artigo mostramos rotinas simples para analisar dados de taxa de câmbio e do balanço de pagamentos usando Python.

FED Speeches: Quantificando a Incerteza da Política Monetária com IA e Python

Os discursos dos membros do FED podem dar indicativos relevantes sobre a condução da política monetária, como a percepção de incerteza na fala e na escolha das palavras. Sendo assim, monitorar e interpretar não é suficiente, é necessário quantificar a incerteza nos discursos. Neste exercício mostramos o caminho para construir um indicador de incerteza da política monetária, usando métodos inovadores de IA com o Python.

Construindo uma NAIRU para o Brasil usando Python

Um dos maiores desafios para aqueles que trabalham com dados econômicos é aliar a prática com a teoria. Para tanto, o uso do Python pode facilitar esse desafio, permitindo construir todos os passos de uma análise de dados. Demonstramos o poder da linguagem tomando como exemplo a construção da NAIRU para o Brasil.

Analisando o sentimento da política monetária com IA usando Python

Análise de sentimentos é uma técnica de Processamento de Linguagem Natural (PLN) que serve para revelar o sentimento contido em um texto. Neste exercício, aplicamos esta técnica para analisar as atas das reuniões do COPOM, revelando o que os diretores de política monetária discutem nas entrelinhas. Utilizando um modelo de Inteligência Artificial através do Python, produzimos ao final um índice de 0 a 100 para sintetizar a análise histórica.

Hawkish ou dovish? Analisando o tom da política monetária com IA usando Python

Neste exercício mostramos como utilizar o Google Gemini, um modelo de inteligência artificial, para classificar o tom da política monetária no Brasil em termos simples como “hawkish” ou “dovish”. Em menos de 50 linhas de código de Python, a ata de decisão da taxa de juros é importada e processada, um prompt e um modelo são definidos e a classificação é retornada, de forma automatizada.

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

Como extrair e apresentar dados de Pedidos de Recuperação Judicial com Python

Como coletar dados de conjuntura do setor externo com Python

Criando um Dashboard de Análise de Sentimento de Demonstrativos de Empresas no Python

Criando IA Assistant usando Shiny no Python

Como coletar dados de CNPJ da Receita Federal com Python

Como coletar dados para relatórios de câmbio com Python

Ficou com alguma dúvida?

Entre em contato com nossa equipe pelo WhatsApp e tire todas as suas dúvidas antes de finalizar sua matrícula.

comercial@analisemacro.com.br – Rua Visconde de Pirajá, 414, Sala 718
Ipanema, Rio de Janeiro – RJ – CEP: 22410-002

Criação Kamus – Hospedagem HostWP