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

Ancoragem de Expectativas da Inflação no Brasil: uma avaliação utilizando a linguagem de programação R

Expectativas ancoradas significam que a inflação permanece próxima da meta mesmo após choques relevantes, tornando menos custosa a atuação do Banco Central no combate a pressões inflacionárias. Neste exercício, analisamos diferentes medidas para avaliar a ancoragem das expectativas no Brasil, utilizando a linguagem de programação R como ferramenta para a construção desse exercício, realizando a coleta, tratamento, cálculos e visualização dos resultados.

Como fazer previsões para a inflação desagregada medida pelo IPCA?

Neste artigo investigamos se a previsão desagregada da inflação é capaz de gerar previsões mais acuradas do que a previsão agregada. Utilizamos o Índice Nacional de Preços ao Consumidor Amplo (IPCA) como medida de interesse, aplicando um modelo simples e um modelo de passeio aleatório para comparação. Todo o processo pode ser feito de maneira automatizada utilizando a linguagem de programação R.

Qual o melhor modelo para prever a inflação medida pelo IPCA?

Neste exercício, testamos 18 modelos diferentes com um conjunto fixo de regressores para previsão da taxa de inflação, medida pelo IPCA. Implementamos o método da validação cruzada, visando obter resultados robustos para comparação de métricas de performance. Apresentamos os resultados gerais e desagregados por horizontes de previsão, além de automatizar todo o processo utilizando a linguagem Python.

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.