Análise de Fundos Imobiliários com R e Python

Fundos Imobiliários são fundos de investimentos que compreendem empreendimentos imobiliarios, sejam em sua forma física (tijolo) ou em títulos financeiros viculados ao mercado imobiliário (papel). No post de hoje, mostraremos como criar um análise dos retornos de fundos imobiliário utilizando o R e o Python.

O objetivo do post será construir um código em R e Python para analisar o retorno e o risco de cinco fundos imobiliários escolhidos aleatoriamente no período de 01/07/2021 até 01/07/2022. Trataremos da importação dos preços dos fundos, do calculo do retorno mensal, anualizado e acumulado, e por fim do desvio padrão anualizado (como medida de risco passado). Iremos também construir gráficos para entender os resultados obtido.

Análise com o R

No R, iremos utilizar o pacote {tidyquant}, que funciona como um wrapper de funções de outro pacotes de manipulação e cálculo de dados financeiros. O {tidyquant} permitirá utilizarmos os dados em uma estrutura tidy.

Análise com o Python

No Python, importaremos os dados com a biblioteca pandas datareader e o yfinance, bem como utilizaremos o pandas e o numpy para realizar o cálculos dos retornos e do desvio padrão.

__________________________________________________

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 choques inflacionários afetam a previsão da Selic?

Como mensurar a importância de choques na inflação sobre o erro de previsão da taxa de juros? Neste exercício quantificamos esta pergunta sob a ótica de um modelo VAR, usando dados recentes da macroeconomia brasileira. Especificamente, estimamos a decomposição da variância dos erros de previsão do modelo, analisando choques na inflação da gasolina e sua importância sobre a variância dos erros de previsão da taxa Selic.

Modelo de previsão para o preço da gasolina

Neste exercício exploramos os dados públicos sobre o preço da gasolina no Brasil, sua composição, evolução temporal, políticas associadas e, por fim, construímos um modelo simples de previsão. Com um modelo em mãos, o analista pode cenarizar o comportamento futuro da série da forma como preferir. Todos os procedimentos foram feitos usando a linguagem de programação Python.

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.