O boxplot resume em um desenho a mediana, os quartis, a amplitude e os valores atípicos de uma variável, e permite comparar distribuições lado a lado. O exemplo compara o interesse de busca pelo termo “Artificial intelligence” no Brasil e nos Estados Unidos, com código em R (gtrendsR e ggplot2) e Python (pytrends e plotnine).
A variância de um portfólio de investimento mensura a volatilidade de uma cesta de ativos financeiros. É interessante conhecer a contribuição de cada ativo para a volatilidade total da carteira. No post de hoje, mostramos como construir essas métricas e a construir um dashboard usando o Python.
Neste artigo entendemos sobre a importância da visualização de dados e vimos o que é, como funciona e como gerar gráficos de histograma. Esse tipo de gráfico é útil para diversas análises e pode ser facilmente produzido e personalizado usando linguagens de programação, como R e Python.
Vamos continuar a série de postagens sobre como construir um Dashboard de métricas relacionadas a avaliação de ações e construção de um Portfolio de investimentos no Python. Trazemos nessa semana a construção de simulações de Monte Carlo no Python.
Série temporal é uma estrutura de dados fundamental para as áreas de economia e finanças, uma vez que a maioria das variáveis nessas áreas são observadas ao longo do tempo. Compreender as principais características estatísticas de uma série temporal é essencial para aqueles interessados em analisar dados econômicos.
Se não fosse o gráfico de dispersão, a famosa curva de Phillips jamais teria sido descoberta pelos economistas. Essa é uma afirmação forte, mas retrata o poder que a visualização de dados desempenhou nos anos 50 no avanço da pesquisa econômica. Apesar de ser simples, o gráfico de dispersão é útil para entender os dados e suas relações. Neste artigo mostramos as principais aplicações e exemplos práticos feitos em R e Python.
Vamos continuar a série de postagens sobre como construir um Dashboard de métricas relacionadas a avaliação de ações e construção de um Portfolio de investimentos no Python. Trazemos nessa semana um componente importante para avaliação do risco: o modelo de 3 fatores de Fama-French.
Verificamos a relação entre o Ibovespa e a variação interanual da Formação Bruta de Capital Fixo (FBCF) por meio do procedimento de Toda-Yamamoto usando o Python como ferramenta.
As definições, as fórmulas e o cálculo das principais estatísticas descritivas (média, mediana, mínimo, máximo, percentis, frequência, desvio padrão e variância), com a aplicação em R e Python sobre os dados do Brasileirão Série A 2020 para gerar um sumário em uma linha de código.
Os modelos de fatores de risco em finanças são utilizados para explicar as variações no retorno de um ativo ou carteira em relação a fatores/características macroeconômicas e da própria empresa. Esses modelos são usados para avaliar o risco de investimentos e gerenciamento de portfólio, permitindo a criação de estratégias e análises com objetivo de tomar decisões mais assertivas. A construção desses modelos geralmente envolve o uso de regressão linear ou outras técnicas estatísticas avançadas. Como ferramenta, podemos utilizar o Python para auxiliar na coleta, tratamento, análise e construção dos modelos.