Como prever a PMS do IBGE no Python? Neste tutorial, econometria (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT) competem na mesma série da Pesquisa Mensal de Serviços. Além das previsões, comparamos o que cada modelo previu há um ano com o que o IBGE de fato divulgou — e o XGBoost foi o que mais se aproximou.
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.
Um tutorial completo de SVAR (Vetor Autoregressivo Estrutural) em Python, usando quatro séries da economia brasileira obtidas pela API do Banco Central. O guia começa verificando a estacionariedade das séries e avança até as funções impulso-resposta e a decomposição da variância, usando o price puzzle — quando um choque de juros parece elevar a inflação — para ensinar identificação econométrica na prática.
Modelos Vetoriais AutoRegressivos (VAR) são amplamente utilizados na análise de séries temporais macroeconômicas. Eles permitem modelar a dinâmica conjunta de várias variáveis, capturando como choques em uma afetam as demais ao longo do tempo. Neste exercício, mostramos como aplicar um modelo VAR a um conjunto de dados macroeconômicos brasileiros para gerar previsões.