IBOVESPA deve chegar aos 100 mil pontos em breve

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

O principal índice da Bolsa de SP, o IBOVESPA, se aproxima da inédita marca dos 100 mil pontos. E não demorará muito, dado que o mercado segue confiante na agenda econômica do novo governo, que inclui privatizações e reformas, em particular a reforma da previdência. Para coletar os dados do IBOV com o R, como fazemos em nosso curso de Econometria Financeira usando o R, podemos utilizar o pacote quantmod como no código abaixo.


library(quantmod)

## Ibovespa
env = new.env()
getSymbols("^BVSP",src="yahoo", 
env=env,
from=as.Date('2018-12-01'))
ibovespa = env$BVSP[,4]
ibovespa = ibovespa[complete.cases(ibovespa)] 

Uma vez que pegamos os dados do índice, podemos plotar um gráfico na sequência.


autoplot(ibovespa)+
geom_line(size=.8, colour='red')+
xlab('')+ylab('Pontos')+
scale_x_date(date_breaks = '7 days',
labels = date_format("%b %d"))+
labs(title='Índice Bovespa',
caption='Fonte: analisemacro.com.br com dados do Yahoo Finance.')

E o gráfico segue abaixo...

A ascensão do índice se correlaciona com a proximidade do novo governo e, portanto, com os pronunciamentos da nova equipe econômica. Conheça nossos Cursos Aplicados de R para saber como coletar, tratar, analisar e apresentar dados como esse utilizando uma das mais poderosas ferramentas de data science atualmente disponíveis!

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

O que é um Vector Database e como criar um com LangChain

Nesta postagem, mostramos como construir um pipeline simples de RAG (Retrieval-Augmented Generation) usando o LangChain, o modelo Gemini 2.0 Flash e o Vector Database Chroma. Utilizamos como exemplo o Relatório de Inflação de junho de 2025 do Banco Central do Brasil. O fluxo envolve o download e leitura do PDF, divisão do texto com RecursiveCharacterTextSplitter, geração de embeddings com Gemini, armazenamento vetorial com Chroma e busca semântica para responder perguntas com base no conteúdo do relatório. É uma aplicação prática e didática para economistas que desejam integrar IA ao seu fluxo de análise.

Automatizando a Construção de Códigos em Python com LangGraph

Neste post, mostramos como construir um agente de código em Python utilizando LangGraph, LangChain e Gemini. A proposta é construir um protótipo para automatizar o ciclo completo de geração, execução e correção de código com o uso de LLMs, organizando o processo em um grafo de estados.

Análise de Dados com REPL Tool e LLM usando LangGraph

Neste post, vamos mostrar como você pode criar um agente que interpreta e executa código Python em tempo real, utilizando o REPL-Tool e um LLM da família Gemini. Começamos com um exemplo genérico e, em seguida, aplicamos a mesma estrutura à análise econômica de uma série histórica do IPCA.

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.