Coletando dados econômicos e financeiros com o OpenBB no Python

A biblioteca OpenBB no Python propõe um jeito simples de coletar dados econômicos e financeiros de dezenas de fontes de forma estruturada e rápida. Com poucas linhas de código, o usuário pode acessar dados de interesse e gerar análises.

Exemplo

Vamos exemplificar a coleta de dados do índice de volatilidade VIX.

Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

Primeiro abrimos o Google Colab e instalamos as bibliotecas:

  • openbb
  • openbb-cboe
  • openbb-charting

Em seguida, importamos a classe obb da biblioteca openbb e, então, coletamos os dados do índice:

             open   high    low  close
date                                  
2022-05-13  33.63  33.63  33.63  33.63
2022-05-16  26.40  26.40  26.40  26.40
2022-05-17  24.67  24.67  24.67  24.67
2022-05-18  30.96  30.96  30.96  30.96
2022-05-19  29.46  29.46  29.46  29.46
...           ...    ...    ...    ...
2024-10-04  12.91  15.23  12.31  13.95
2024-10-07  10.68  16.97   9.41  14.04
2024-10-08  10.63  12.38   9.46  11.24
2024-10-09   9.86  15.09   9.24  15.09
2024-10-10  11.17  13.13   9.68  12.46

[606 rows x 4 columns]

Rapidamente podemos também gerar uma análise visual dos dados:

Este foi apenas um exemplo. Existem milhares de outros dados de outras fontes, além de outros recursos interessantes da biblitoteca. Para saber mais consulte a extensa documentação da biblioteca.

Conclusão

Com a biblioteca OpenBB é possível coletar e analisar milhares de informações com apenas 2 linhas de código de Python. Neste artigo mostramos um exemplo simples, para obter os dados do índice de volatilidade VIX.

Tenha acesso ao código e suporte desse e de mais 500 exercícios no Clube AM!

Quer o código desse e de mais de 500 exercícios de análise de dados com ideias validadas por nossos especialistas em problemas reais de análise de dados do seu dia a dia? Além de acesso a vídeos, materiais extras e todo o suporte necessário para você reproduzir esses exercícios? Então, fale com a gente no Whatsapp e veja como fazer parte do Clube AM, clicando aqui.

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.