Seu Estado

Não Inscrito

Preço

Fechado

Comece Agora

This curso is currently closed

Bem-vindo ao Modelo de Pequeno Porte do Banco Central em Python

Este curso reconstrói, em Python, o Modelo de Pequeno Porte que o Banco Central usa para pensar a transmissão da política monetária — e vai um passo além: o modelo é exposto como servidor MCP, o que permite conversar com ele a partir de um assistente de IA.

O que você vai construir

  • 7 equações estimadas e 13 identidades contábeis: curva IS, curva de Phillips, formação de expectativas, regra de Taylor, paridade descoberta de juros, preços administrados e sazonalidade
  • A validação contra as projeções publicadas pelo Banco Central
  • Um servidor MCP que expõe o modelo a ferramentas de IA

O que já está medido

A reconstrução entrega erro absoluto médio de 0,47 ponto percentual ao longo de 12 trimestres, e a projeção oficial do Banco Central cai dentro do fan estocástico do modelo em todos os trimestres testados.

⚠️ Uma ressalva importante, e ela é técnica

Este não é o modelo vigente do Banco Central. A versão aqui reconstruída é anterior à mudança metodológica de setembro de 2020, quando o BC passou a estimar variáveis latentes por métodos bayesianos. O modelo captura os mecanismos essenciais de transmissão, mas não reproduz as projeções oficiais atuais. Dizemos isso na primeira aula porque é o tipo de coisa que um economista descobre sozinho — e é melhor que saiba por nós.

Como este curso se relaciona com os anteriores

A Análise Macro já ofereceu o Modelo de Pequeno Porte em EViews (curso completo) e uma vez em R (workshop). Este é um curso novo: mesma teoria, implementação em Python do zero, e a camada de MCP que não existia nas versões anteriores. Se você fez alguma das anteriores, vai reconhecer a estrutura do modelo e aprender uma implementação diferente.

Pré-requisitos

  • Macroeconomia em nível de graduação — você precisa saber o que é uma curva IS
  • Python básico: manipular dados com pandas e rodar um script
  • Não é preciso conhecer MCP; a parte de IA é construída durante o curso

Antes da primeira aula

  1. Instale Python 3.11 ou superior
  2. Deixe um ambiente virtual pronto (venv ou conda)
  3. Se ainda não usa, instale o VS Code

Os detalhes de instalação, os dados e o código de cada aula ficam disponíveis neste ambiente conforme o curso avança.