Automatizando a coleta de demonstrativos financeiros no Python

No post de hoje demonstramos como é possível coletar, tratar e visualizar dados de demonstrativos financeiros e indicadores contábeis de empresas listadas na bolsa de valores utilizando o Python.

Como automatizar uma análise?

Através de um linguagem de programação é possível criar métodos que permitem automatizar processos, e o mais interessante é a possibilidade de criar scripts que permitam:

  • Coletar os dados
  • Realizar o tratamento
  • Criar cálculos
  • Criar gráficos

E tudo isso estar contido dentro de um report, seja HTML ou PDF.

Demonstrações Financeiras Padronizadas

Antes de buscar os dados, devemos entender a sua fonte. Os demonstrativos das empresas listadas na B3 são reunidos no que é conhecido como Demonstrações Financeiras Padronizadas, um documento de encaminhamento periódico que as empresas realizam para a CVM.

As demonstrações financeiras devem ser enviadas e elaboradas de acordo com as regras contábeis das instruções da CVM.

Entre os demonstrativos enviados de acordo com a DFP, temos:

  • Balanço Patrimonial Ativo (BPA)
  • Balanço Patrimonial Passivo (BPP)
  • Demonstração de Fluxo de Caixa - Método Direto (DFC-MD)
  • Demonstração de Fluxo de Caixa - Método Indireto (DFC-MI)
  • Demonstração das Mutações do Patrimônio Líquido (DMPL)
  • Demonstração de Resultado Abrangente (DRA)
  • Demonstração de Resultado (DRE)
  • Demonstração de Valor Adicionado (DVA)

Dados da CVM - Site

As informações sobre a DFP podem ser acessadas através do site de Portal de dados da CVM, bem como o histórico de dados desde 2011.

https://dados.cvm.gov.br/dataset/cia_aberta-doc-dfp

Para acessar o histórico, basta clicar em Histórico desde 2010 (incluindo arquivos não sujeitos à política de atualização), que redirecionará para uma página contendo o download dos arquivos zipados por ano.

Certamente são arquivos que possuem um peso considerável, bem como há dentro desses arquivos zipado diversos outros arquivos que podem tornar nosso trabalho difícil. No Python, é possível criar uma forma de baixar automaticamente esses dados, facilitando a analise.

A construção de todos os procedimentos para a coleta dos dados você pode obter fazendo parte do Clube AM, o repositório especial de códigos da Análise Macro.

Indicadores e demonstrativos contábeis

A utilização de indicadores construídos por meio das demonstrações financeiras das empresas auxiliam no processo de decisão de investimentos. Analisar esses indicadores de forma recorrente é extremamente importante para aqueles que desejam realizar investimentos em ações na bolsa de valores, entretanto, muitos possuem dificuldades em não somente buscar esses dados, mas também, desconhecem forma de automatizar o processo.

Vejamos abaixo como é possível criar gráficos que exibem os dados da DRE da Eletrobras. Além disso, é possível criar indicadores e também criar gráficos para compreender o desempenho econômico da empresa ao longo do tempo. Tudo isso é possível usando o Python.

A construção de todos os procedimentos para a criação dos gráficos abaixo você pode obter fazendo parte do Clube AM, o repositório especial de códigos da Análise Macro.

Analise da DRE -  Eletrobras

Analise da Rentabilidade - Eletrobras

ROE

ROA

_____________________________________

Quer saber mais?

Veja nossa trilha de cursos de Finanças Quantitativas.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

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.