Criando estratégias de investimento com IA no Python

Imagine ter a capacidade de pedir à inteligência artificial para criar uma estratégia de investimento baseada em indicadores técnicos ou regras específicas. Com o tempo sendo um recurso valioso, nem sempre é possível desenvolver um código por conta própria. Vamos mostrar como a IA, junto com Python, pode facilitar a criação de estratégias de investimento.

Aprenda a coletar, processar e analisar dados na formação de Do Zero à Análise de Dados Econômicos e Financeiros com Python.

Objetivo

O Objetivo deste exercício é bem simples: vamos utilizar o Gemini para criar uma estratégia de investimentos por meio de um prompt. Vamos utilizar como exemplo as ações da PETR4 em frequência diária.

Prompt

Para obter os valores da estratégia em um arquivo CSV, usamos o seguinte prompt.

"

Você é um analista quantitativo focado em desenvolver estratégias de trading algorítmico.
Seu objetivo é criar uma estratégia utilizando o indicador MACD (Moving Average Convergence Divergence) para a ação PETR4.
Para isso, você deve:
1. Carregar o arquivo `petr4.csv`, que contém os dados históricos de preços da ação PETR4.
2. Calcular o MACD usando os parâmetros padrão (períodos de 12 e 26 para médias móveis exponenciais, e período 9 para a linha de sinal).
3. Gerar um arquivo CSV em formato de tabela que inclua as colunas:
   - `Date`: Data da cotação
   - `Close`: Cotação no período
   - `MACD`: A diferença entre a média móvel exponencial de 12 períodos e a de 26 períodos.
   - `Signal`: A média móvel exponencial de 9 períodos do MACD.
   - `Histogram`: A diferença entre o MACD e a linha de sinal.
   - `Sign`: coluna para referência com os valores de `Compra` ou `Venda`, conforme a lógica da estratégia.
   - `Return`: Retorno Acumulado da estratégia baseado no sinal de compra e venda.
4. Salve o arquivo CSV com o nome `resultado.csv` e não retorne nada mais.
"

Saiba mais sobre prompts neste artigo sobre engenharia de prompt.

Visualização de dados

Para analisar o resultado da estratégia, criamos um código para visualizar os dados da estratégia:

Quer aprender mais?

Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise exploratória para modelagem preditiva no Python

Antes de desenvolver bons modelos preditivos é necessário organizar e conhecer muito bem os dados. Neste artigo, damos algumas dicas de recursos, como gráficos, análises e estatísticas, que podem ser usados para melhorar o entendimento sobre os dados usando Python.

Como usar modelos do Sklearn para previsão? Uma introdução ao Skforecast

Prever séries temporais é uma tarefa frequente em diversas áreas, porém exige conhecimento e ferramentas específicas. Os modelos de machine learning do Sklearn são populadores, porém são difíceis de aplicar em estruturas temporais de dados. Neste sentido, introduzimos a biblioteca Skforecast, que integra os modelos do Sklearn e a previsão de séries temporais de forma simples.

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.