python

Neste exercício exploramos os dados públicos sobre o preço da gasolina no Brasil, sua composição, evolução temporal, políticas associadas e, por fim, construímos um modelo simples de previsão. Com um modelo em mãos, o analista pode cenarizar o comportamento futuro da série da forma como preferir. Todos os procedimentos foram feitos usando a linguagem de programação Python.
Neste texto abordamos modelos da família ARIMA para finalidade de previsão de séries temporais. Mostramos as diferenças de cada modelo usando exemplos de dados econômicos do Brasil, com aplicações na linguagem Python.
Tabela dinâmica é uma ferramenta de análise de dados essencial para extrair informações rapidamente. O que poucos sabem é que não é necessário ter o Excel para criar tabelas dinâmicas. Neste artigo mostramos como produzir tabelas dinâmicas com dados econômicos usando a linguagem Python, em apenas 1 comando!
A análise de cointegração possui aplicações no mercado financeiro e em modelagem e previsão macroeconômica, sendo um conceito ao mesmo tempo fascinante e intimidador de se compreender. Por isso, neste texto explicaremos o que é cointegração com um exemplo intuitivo e mostraremos uma aplicação com pares de ações brasileiras usando o Python!
Como mensurar a importância de choques na inflação sobre o erro de previsão da taxa de juros? Neste exercício quantificamos esta pergunta sob a ótica de um modelo VAR, usando dados recentes da macroeconomia brasileira. Especificamente, estimamos a decomposição da variância dos erros de previsão do modelo, analisando choques na inflação da gasolina e sua importância sobre a variância dos erros de previsão da taxa Selic.

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.