Relatórios não precisam ser um compilado de gráficos e tabelas estáticas. Com os AI Assistants é possível trazer vida e análises customizadas, tornando a experiência do usuário mais simples e interativa. Neste exercício mostramos um exemplo integrando um modelo de IA generativa em um relatório feito em R.
O câmbio tem mais impacto sobre a inflação quando a inflação está elevada? Como a inércia inflacionária se comporta em regimes diferentes de inflação? Estas e outras questões macroeconômicas podem ser respondidas com análises de riscos através de regressão quantílica. Neste exercício mostramos o caminho para estimar uma Curva de Phillips Quantílica (CPQ) para o Brasil usando a linguagem R.
Neste exercício mostramos como usar a API de dados da DBnomics, que disponibiliza dados econômicos do Brasil e do mundo de ~100 fontes diferentes. Além de ser gratuita, a API é acessível diretamente do Python e é atualizada em tempo quase real.
Neste exercício mostramos do zero como criar dashboards de análise de dados econômicos usando Python + Shiny. A vantagem destas ferramentas gratuitas é a facilidade de automatização e os ricos recursos disponíveis.
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.