Lista de espera para os cursos da área de Central Banking

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Na próxima semana, abriremos, enfim, inscrições para a Área de Central Banking da Análise Macro. Serão três cursos: Teoria de Política Monetária, Modelos do Banco Central e Modelos DSGE. O primeiro curso buscará cobrir os principais desenvolvimentos teóricos de política monetária desde o Esquema de Tinbergen até os debates abertos pelo pós-crise de 2008, passando pelo novo consenso macroeconômico que emergiu após o debate Regras vs. Discrição dos anos 70 e 80. O curso também irá ter uma parte empírica, como, por exemplo, ensinar o aluno a estimar o juro neutro. O curso de política monetária está previsto para ter início em novembro de 2017 e o valor do plano básico, que dá acesso apenas ao material do curso, deve ficar em R$ 399; do plano intermediário, que permite suporte por e-mail, em R$ 499; do plano premium, que permite um plano customizado de ensino e acesso ao curso por 1 ano, de R$ 1299. 

O curso Modelos do Banco Central tem por objetivo introduzir os alunos à prática de modelagem e previsão no âmbito dos bancos centrais. O programa previsto do curso (que pode sofrer alteração) está detalhado abaixo:

  • (1) Desagregação da inflação medida pelo IPCA
  • (2) Indicadores antecedentes
  • (3) Rolling Regression e Inércia Inflacionária
  • (4) Modelos VAR/SVAR
  • (5) Modelos VEC/SVEC
  • (6) Modelos Bayesianos
  • (7) Combinando Previsões
  • (8) Validando Previsões
  • (9) Modelos de Equações Estruturais
  • (10) Estimando o modelo semiestrutural do Banco Central do Brasil
  • (11) Machine Learning em Bancos Centrais

O curso está previsto para ter início em 4 de dezembro de 2017. O plano básico custará R$ 1299, o plano intermediário ficará em R$ 1899 e o plano premium ficará por R$ 3999.

O terceiro curso da área é o de Modelos DSGE, que buscará derivar e estimar essa classe de modelos. Serão vistos modelos do tipo RBC e novo-keynesiano, bem como algumas extensões, como rigidez de salários, formação de hábito, agentes não ricardianos, ajuste de custos e adição do governo. Além do R, a propósito, será utilizada a dupla Octave/Dynare na parte empírica. O curso está previsto para ter início em janeiro de 2018 e o valor do plano básico ficará em R$ 1899, do plano intermediário em R$ 2599 e do plano premium em R$ 4999. 

Coloquei abaixo, por fim, uma lista de espera para os alunos interessados. Quem preencher terá 30% de desconto sobre os valores acima, para pagamento à vista via boleto bancário ou via transferência bancária.

[/et_pb_text][et_pb_text admin_label="Texto" background_layout="light" text_orientation="left" use_border_color="off" border_color="#ffffff" border_style="solid"] [form form-36] [/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="1_3"][et_pb_gallery admin_label="Galeria" gallery_ids="17132,17133,17134" fullwidth="on" show_title_and_caption="off" show_pagination="off" background_layout="light" auto="on" auto_speed="6000" hover_overlay_color="rgba(255,255,255,0.9)" caption_all_caps="off" use_border_color="off" border_color="#ffffff" border_style="solid" saved_tabs="all"] [/et_pb_gallery][et_pb_gallery admin_label="Galeria" gallery_ids="17136,17137,17138" fullwidth="on" show_title_and_caption="off" show_pagination="off" background_layout="light" auto="on" auto_speed="6000" hover_overlay_color="rgba(255,255,255,0.9)" caption_all_caps="off" use_border_color="off" border_color="#ffffff" border_style="solid" saved_tabs="all"] [/et_pb_gallery][/et_pb_column][et_pb_column type="2_3"][et_pb_team_member admin_label="Pessoa" saved_tabs="all" name="Vítor Wilher " position="Data Scientist" animation="left" background_layout="light" facebook_url="https://www.facebook.com/vitor.wilher.9" twitter_url="https://twitter.com/vitorwilherbr" linkedin_url="https://www.linkedin.com/in/v%C3%ADtor-wilher-78164024" use_border_color="off" border_color="#ffffff" border_style="solid"]

Vítor Wilher é Bacharel e Mestre em Economia, pela Universidade Federal Fluminense, tendo se especializado na construção de modelos macroeconométricos, política monetária e análise da conjuntura macroeconômica doméstica e internacional. Tem, ademais, especialização em Data Science pela Johns Hopkins University. Sua dissertação de mestrado foi na área de política monetária, titulada "Clareza da Comunicação do Banco Central e Expectativas de Inflação: evidências para o Brasil", defendida perante banca composta pelos professores Gustavo H. B. Franco (PUC-RJ), Gabriel Montes Caldas (UFF), Carlos Enrique Guanziroli (UFF) e Luciano Vereda Oliveira (UFF). Já trabalhou em grandes empresas, nas áreas de telecomunicações, energia elétrica, consultoria financeira e consultoria macroeconômica. É o criador da Análise Macro, startup especializada em treinamento e consultoria em linguagens de programação voltadas para data analysis, sócio da MacroLab Consultoria, empresa especializada em cenários e previsões e fundador do hoje extinto Grupo de Estudos sobre Conjuntura Econômica (GECE-UFF). É também Visiting Professor da Universidade Veiga de Almeida, onde dá aulas nos cursos de MBA da instituição, Conselheiro do Instituto Millenium e um dos grandes entusiastas do uso do no ensino. Leia os posts de Vítor Wilher aquiCaso queira, mande um e-mail para ele: vitorwilher@analisemacro.com.br

[/et_pb_team_member][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.

Como selecionar variáveis para modelos de previsão no Python?

Em oposição à crença popular, grande parte dos modelos de machine learning não produzem previsões magicamente. É papel do cientista de dados executar uma boa engenharia de variáveis para não cair no clássico problema de “garbage in, garbage out” (GIGO) em aprendizado de máquina. Neste sentido, aprender a fazer uma boa seleção de variáveis é fundamental e neste artigo exploramos algumas possibilidades práticas usando o Python.

Resultado IPCA-15 - Novembro/2024

A Análise Macro apresenta os resultados do IPCA-15 de Novembro de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

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.