Coletando dados de ações, FII, FIDICS, ETFs e BDRs com o pacote {rb3}

O acesso a dados em geral tem se tornado cada mais simples nos últimos tempos e essa questão também engloba os dados financeiros e econômicos. A B3 é conhecida como a principal Bolsa de Valores do Brasil, e em seu site disponibiliza diversos dados, entretanto, para quem ainda é iniciante neste mundo, ainda pode encontrar dificuldades em baixar, bem como automatizar todo processo de obtenção. Para tanto, foi criado o pacote {rb3}, criado por Wilson Freitas e Marcelo S. Perlin com o intuito de tornar o trabalho mais simples. Neste post, apresentaremos apenas uma parte dos dados que podemos importar com o pacote, buscando dados de ações, FIIs, FIDICs, ETFs e BDRs.

Para retirar os dados é simples: importamos os pacotes necessários e utilizamos a função cotahist_get(), que possibilita baixar as cotações históricas completas de diversos tipos de ativos em determinado dia. É possível especificar se a partir da data de escolha, será realizado a importação do dia, do mês e do ano em diante.

Salvamos os dados no objeto ch, que conterá as informações de preços históricos de todos os ativos disponibilizados com diversas informações em formato de lista.

Para tornar o processo de manipulação simples, foi criado funções extracts, que permitem extrair informações da lista referente aos ativos desejados. Abaixo, mostramos as funções de extração.

É extremamente simples obter os dados, não? Agora, podemos visualizar e realizar uma análise. Abaixo, escolhemos os dados de ETFs para calcular o retorno do período para todos os ativos. Em seguida, separamos os cinco melhores retornos e os cinco piores retorno e visualizamos através de um gráfico de coluna.


__________________________________________________

Quer saber mais?

Veja nossos cursos da trilha de Finanças Quantitativas.

_________________________________________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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.

Resultado PNADc Trimestral - 3° Trimestre/2024

A Análise Macro apresenta os resultados da PNADc Trimestral do 3º trimestre 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.