Using data to understand how economies behave.
🔬 Macro-econometrics · Monetary & Fiscal Policy
Causal Inference · Time Series · Emerging Economies
| 💻 Languages |
|
| 📊 Data & BI |
|
| 🤖 Data Science & ML |
|
| 📐 Quantitative Methods |
|
| 🚀 Deploy & Tools |
|
Cada projeto tem pergunta original, dado difícil, método de fronteira e conclusão honesta.
📈 economic-sciences-lab — econometria aplicada ao Brasil
- O Custo da Caneta — o tom das atas do Copom move a expectativa de inflação? Event study em 80 reuniões (NLP-PT + Focus): o efeito é pequeno e indistinguível de zero — a "caneta" move menos do que o senso comum supõe.
- Nowcasting do PIB — um bridge com energia (ONS) + IBC-Br empata com o consenso Focus (RMSE 0,81 vs 0,83) e cravou o PIB de 2026T2 semanas antes do IBGE.
🤖 data-science-lab — ML a serviço da inferência
- Double/Debiased ML — no clássico Lalonde, o DML remove ~80% do viés observacional mas não recupera o experimento: a identificação vem do desenho, não do algoritmo.
- Forecasting hierárquico (M5) — benchmark honesto: um AutoETS bem ajustado bate tudo, e a reconciliação MinT ajuda pouco. O clássico vence.
📊 data-analysis-lab — dado que vira decisão
- Seu A/B test está mentindo (SUTVA) — em marketplaces, o A/B individual superestima o efeito em 4,5×; cluster randomization corrige. Termina em um memo de uma página.
- 100 anos de inflação — série mensal citável 1980–2026; a detecção de quebras (Bai-Perron) redescobre os planos econômicos sozinha.
🛡️ SciAudit — ferramenta open source
- Linter de integridade científica para Python e Jupyter. Enquanto Pylint checa se o código é bonito, o SciAudit checa se ele é honesto: detecta data leakage, exige sementes determinísticas e alerta sobre armadilhas metodológicas. Zero dependências, e audita o próprio repositório a cada commit.