Analisando Ações do Mercado Acionário Brasileiro usando IA

Um analista de ações possui total conhecimento de como explorar dados financeiros, mas nem sempre há disposição para relembrar códigos de análises já bem conhecidas. Se temos os dados, porque não pedir para a IA criar o resultado do que temos em mente? Neste exercício, mostramos o poder da IA Generativa para criar análises de ações usando Python.

Objetivo

Nosso foco neste exercício é o de mostrar um exemplo simples de criação de análise de dados financeiros, com foco em ações, usando IA Generativa no Python. Para a tarefa precisamos somente buscar os dados de interesse e usar o Google Gemini para realizar a tarefa.
O [Google Gemini](https://analisemacro.com.br/data-science/como-usar-o-google-ai-studio-e-o-gemini/) é um modelo de IA que entende e processa instruções textuais, retornando também respostas textuais. Sendo assim, podemos utilizar o Gemini através do Python para que o mesmo analise os dados de uma tabela.
Os dados neste exercício compreendem os preços da ação WEGE3, no período de 2020 até o fim de junho de 2024. O carregamento dos dados é realizado através da biblioteca yfinance.

Passo 01: bibliotecas de Python

Para começar a estruturar o exercício e conseguir utilizar o modelo de IA para analisar dados, precisaremos das seguintes bibliotecas de Python:
-   **pandas** para armazenar e tratar dados tabulares.
-   **google-generativeai** para analisar dados com o modelo de IA do Google (Gemini).
-   **IPython** para formatar as respostas textuais do modelo de IA no relatório.
- **yfinance** para importar os dados da WEGE3.

Passo 02: dados de exemplo

Para exemplificar um relatório de análise de dados reais, utilizaremos o tema de análise quantitativa de ações. Coletamos os dados da empresa WEGE3 como exemplo para a tarefa com amostra englobando o período de 01/2020 até 30/06/2024. A tabela abaixo exibe uma parte da tabela que será analisada pelo modelo de IA.

Passo 03: modelo de inteligência artificial (IA)

Para utilizar o modelo de inteligência artificial Gemini, é necessário obter uma chave de token na plataforma Google AI Studio (veja mais informações [aqui](https://analisemacro.com.br/data-science/como-usar-o-google-ai-studio-e-o-gemini/)).
Com a chave de token em mãos, defina em um novo bloco de código Python o modelo a ser utilizado, suas configurações e informe a chave para a autenticação funcionar.
**Atenção**: a utilização da API do Google pode acarretar custos. Verifique o site da empresa para mais informações.

Passo 05: sumário de análise de dados por IA

A primeira automatização de análise de dados utilizando IA que realizamos é um sumário sobre os dados do preço da WEGE3 no mês de junho. Para tal, filtramos os dados que queremos que o modelo analise e damos uma instrução "*para elaborar uma breve análise quantitativa sobre a ação*", pedindo para que a resposta seja retornada no formato de *bullet points* em *markdown* para ficar bem formatado no relatório.

Prompt:

  """
  Você é um analista quantitativo especializado em ações.
  Sua tarefa é utilizar os dados a seguir para elaborar uma breve análise quantitativa da ação WEGE3 no mês de Junho de 2024.
  Dados:
  """ +
  tabela_junho.to_string(index = False) +
  """
  Faça um resumo sobre os dados do preço da WEGE3 no mês. Use o termo reais e evite usar R$.
  Retorne sua análise em português, em 1 a 5 bullets points, e nada mais.
  """
Resultado:
  • A ação WEGE3 iniciou o mês de junho de 2024 cotada a 37,73 reais.
  • O preço máximo atingido no mês foi de 42,19 reais, em 28 de junho.
  • O preço mínimo registrado foi de 36,79 reais, em 5 de junho.
  • A ação fechou o mês cotada a 41,51 reais, apresentando uma valorização de 10,28% em relação ao preço de abertura.
  • O volume médio de negociações no mês foi de 7.037.200 ações.
Nota: é importante salientar que a IA não seja totalmente precisa, tanto em informações da tabela, quanto para cálculos, portanto, apesar da demonstração, o exemplo acima deve ser evitado em situações que não haja uma revisão.

Passo 06: visualização de dados por IA

Agora, vamos pedir para IA nos auxiliar na criação de um código em Python para o calculo de métricas de análise de dados dos preços da ação, que resultará na criação de um gráfico.

Prompt:

  """
  Escreva um código de Python usando a biblioteca matplotlib para plotar três gráficos de linhas usando a coluna 'Date' no eixo X. Use as especificações abaixo para plotar cada gráfico.
  Especificações do Gráfico 1: Gráfico de Linha do Retorno Acumulado. Calcule os valores do Retorno Mensal usando a coluna de preço de fechamento 'Adj Close', em seguida, calcule o Retorno Acumulado.
  Especificações do Gráfico 2: Gráfico de Linha do Desvio Padrão em Janelas Móveis de 22 dias, anualizado. Calcule os valores do Desvio Padrão usando a coluna de preço de fechamento 'Adj Close'.
  Especificações do Gráfico 3: Gráfico de Linha do Drawndown da ação. Calcule os valores de Drawdown usando a coluna de preço de fechamento 'Adj Close'.
  Não crie nenhum DataFrame. Os dados já estão em um DataFrame chamado 'dados'.
  Os gráficos devem estar agrupados em uma única figura.
  Retorne sua resposta sem comentários, forneça apenas o código Python e nada mais."""

Resultado:

Quer aprender mais?

Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Resultado PIMPF - Novembro/2024

Resumo A Análise Macro apresenta os resultados da PIMPF de Novembro de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados.

Resultado PIB - 3° Trimestre/2024

A Análise Macro apresenta os resultados da PIB 3º trimestre de 2024, com gráficos e tabelas elaborados em Python para coleta, tratamento e visualização de dados.

Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão 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.