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

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.