O andar do bêbado e seu cachorro: entendendo cointegração no R

Introdução Muito utilizado no mercado financeiro para estratégias long-short, arbitragem estatística, pairs trading e em análise e previsão de séries temporais macroeconômicas, o conceito de cointegração é ao mesmo tempo fascinante e intimidador de se compreender. Por isso, neste breve texto iremos explicar o que é cointegração com um exemplo intuitivo e fazer um exercício simples aplicando o teste de cointegração de Engle-Granger com pares de ações brasileiras usando o R!

April 30, 2022 Read
Como reverter a primeira diferença de uma série temporal?

Introdução Modelagem de séries temporais frequentemente exige a aplicação de transformações nas variáveis, tal como a bem conhecida primeira diferença. Formalmente, podemos descrever essa transformação como: Ou seja, dado uma série temporal regularmente espaçada, subtraímos do valor em o valor anterior (), obtendo a série dita “na primeira diferença” ou “nas diferenças”. Note que a transformação implica na “perda” da primeira observação da série temporal, ou seja, a série na primeira diferença possuirá observações

April 29, 2022 Read
Criando uma dashboard de análise da inflação no R

Introdução Quando o objetivo é analisar dados, é necessário utilizar as ferramentas adequadas para tornar os dados brutos em informação que seja útil. Para tal objetivo, uma dashboard pode ser o formato mais conveniente, dado seu poder de customização, compartilhamento e automatização. Nesse contexto, exploramos como exemplo a construção de uma dashboard simples aplicada à análise dos dados de inflação do Brasil, fazendo uso dos principais pacotes do R. Visão geral O objetivo geral é construir uma dashboard dinâmica onde seja possível analisar o comportamento histórico dos principais indicadores para acompanhamento de conjuntura do tema inflação, tais como: IPCA, IGP-M, INPC, etc.

February 6, 2022 Read
Gerando previsões desagregadas de séries temporais no R

Introdução Frequentemente, séries temporais podem ser desagregadas em vários atributos de interesse. Por exemplo1, o número total de veículos produzidos no país ao longo do tempo pode ser dividido em veículos comerciais leves, caminhões, ônibus, etc. Cada uma dessas categorias pode ainda ser desagregada em outros níveis, por regiões, por fabricante, etc., caracterizando o que pode ser chamado de “séries temporais hierárquicas”. Essa riqueza de informação e dados possibilita (e pode ser de interesse) gerar previsões desagregadas das séries, de modo que os pontos de previsão das séries desagregadas possam ser analisados individualmente e que, quando agregados de alguma forma, sejam coerentes com os valores agregados da série.

February 6, 2022 Read
Como extrair componentes de tendência e sazonalidade de uma série temporal

Introdução Tendência e sazonalidade são os componentes não observáveis de uma série temporal que representam, respectivamente, o movimento de longo prazo e o padrão regular (queda/subida) de um determinado período da série de tempo. A extração desses componentes pode ser feita facilmente no R usando a decomposição STL, método desenvolvido por Cleveland et al. (1990). Algumas vantagens desse método em relação aos métodos clássicos de decomposição, como SEATS e X-11, são:

December 2, 2021 Read
5 armadilhas dos dados (macro)econômicos no Brasil

Diariamente os economistas utilizam uma grande variedade de dados que são de difícil mensuração e que, portanto, são estimados/coletados por terceiros (IBGE, BCB, etc.). A falta de investigação aprofundada sobre como esses dados são produzidos, entendendo seus pontos fortes e suas limitações, pode nos levar a cair em algumas “armadilhas” peculiares. Apesar de as fontes públicas de dados econômicos e financeiros do Brasil serem aderentes as “boas práticas” de dados do FMI - conforme o site dedicado ao assunto intitulado “Dissemination Standards Bulletin Board (DSBB)” -, o tema de qualidade de dados (macro)econômicos por essas bandas é sempre produtivo.

November 27, 2021 Read
Séries temporais: detectando mudança de médias

Introdução Ao analisar séries temporais pode ser útil identificar pontos de mudança em seu comportamento, utilizando métodos de detecção para tal. Existem diversos métodos e algoritmos para implementar esse tipo de análise, desde simples cálculos envolvendo erro quadrático médio até abordagens Bayesianas. Neste texto mostramos uma maneira simples de detectar pontos de mudança em uma série temporal com o método de Taylor (2000). Metodologia O método desenvolvido por Taylor (2000), conforme mencionado, se baseia em um cálculo simples de erro quadrático médio (EQM) para identificar quando uma mudança na série ocorreu.

November 20, 2021 Read
Conectando Git, Github e RStudio em 3 passos

Introdução Neste tutorial você irá aprender a usar as melhores ferramentas de controle de versão existentes diretamente no RStudio. Este tutorial foi feito para quem: Pretende utilizar pela primeira vez o Git e GitHub no RStudio; Já é usuário de R; Quer facilitar o fluxo de trabalho de ciência de dados com versionamento usando o Git. Pré requisitos Antes de começar, certifique-se de que tenha: Uma conta do GitHub criada: https://github.

November 13, 2021 Read
Analisando mais de 9 mil papers econômicos desde 2005

Introdução Quantos artigos na área de economia são publicados por ano? Quais são os tópicos mais abordados? E as linguagens e softwares mais utilizados? R vs. Python? Descubra as respostas destas perguntas neste texto que faz uma análise exploratória de cerca de 9000 papers econômicos que disponibilizam códigos/dados de 16 revistas/journals, no período de 2005 a 2021. Principais descobertas sobre a amostra de dados: Há forte tendência de crescimento no nº de publicações anual, porém com queda significativa desde 2019; O número de coautores por paper quase dobrou desde 2005, chegando a 2,63 em 2021; A disponibilidade dos dados utilizados nos papers passou a ser 100% somente a partir de 2020; Stata continua sendo o software mais utilizado, apesar da tendência de queda desde 2013, seguido por MATLAB, Python e R.

November 6, 2021 Read
Teto de Gastos: análise de sentimentos com dados do Twitter

Introdução Não é qualquer dia, apesar da alta frequência do caso brasileiro, que vivenciamos uma mudança de regime fiscal da economia. A falta de novos erros e essa insistência nos velhos já traz consequências que começam a ser absorvidas pelos agentes. A repercussão do furo do teto de gastos se traduz em um claro e notório sentimento de desaprovação. Rodadas de revisão de projeções naturalmente já tomam corpo no mercado. Dessa forma, neste texto exercitamos uma forma de quantificar a repercussão do evento através de uma simples análise de sentimentos, usando dados do Twitter.

October 28, 2021 Read
Detecção de plágio com NLP no R: o caso Decotelli

Introdução Natural Language Processing (NLP) é um tópico interessante que vem sendo bastante explorado no mundo da ciência de dados. No blog da Análise Macro já explorei, por exemplo, a mineração de textos (text mining) das atas do COPOM (códigos disponíveis em R). No texto de hoje exploraremos mais o assunto aplicado ao problema de detecção de plágio entre dois ou mais textos, usando como exemplo um evento repercutido no ano passado envolvendo o ex-Ministro da Educação, Carlos Decotelli.

October 23, 2021 Read
Datação de recessões no R com o algoritmo de Harding-Pagan

Ao longo do tempo a economia apresenta o que se chama de ciclos econômicos, ou seja, períodos de expansão e recessão. Mas de que forma podemos saber em qual ponto do ciclo econômico a economia se encontra? Como sabemos se a economia está em recessão? Estas são perguntas de grande interesse para acadêmicos e profissionais da área, e neste breve exercício demonstramos como replicar a datação de ciclos econômicos que instituições como NBER (EUA) e CODACE (Brasil) tradicionalmente publicam.

July 20, 2021 Read