Criando estratégias de investimento com IA no Python

Imagine ter a capacidade de pedir à inteligência artificial para criar uma estratégia de investimento baseada em indicadores técnicos ou regras específicas. Com o tempo sendo um recurso valioso, nem sempre é possível desenvolver um código por conta própria. Vamos mostrar como a IA, junto com Python, pode facilitar a criação de estratégias de investimento.

Aprenda a coletar, processar e analisar dados na formação de Do Zero à Análise de Dados Econômicos e Financeiros com Python.

Objetivo

O Objetivo deste exercício é bem simples: vamos utilizar o Gemini para criar uma estratégia de investimentos por meio de um prompt. Vamos utilizar como exemplo as ações da PETR4 em frequência diária.

Prompt

Para obter os valores da estratégia em um arquivo CSV, usamos o seguinte prompt.

Você é um analista quantitativo focado em desenvolver estratégias de trading algorítmico.

Seu objetivo é criar uma estratégia utilizando o indicador MACD (Moving Average Convergence Divergence) para a ação PETR4.

Para isso, você deve:

1. Carregar o arquivo `petr4.csv`, que contém os dados históricos de preços da ação PETR4.

2. Calcular o MACD usando os parâmetros padrão (períodos de 12 e 26 para médias móveis exponenciais, e período 9 para a linha de sinal).

3. Gerar um arquivo CSV em formato de tabela que inclua as colunas:

- `Date`: Data da cotação

- `Close`: Cotação no período

- `MACD`: A diferença entre a média móvel exponencial de 12 períodos e a de 26 períodos.

- `Signal`: A média móvel exponencial de 9 períodos do MACD.

- `Histogram`: A diferença entre o MACD e a linha de sinal.

- `Sign`: coluna para referência com os valores de `Compra` ou `Venda`, conforme a lógica da estratégia.

- `Return`: Retorno Acumulado da estratégia baseado no sinal de compra e venda.

4. Salve o arquivo CSV com o nome `resultado.csv` e não retorne nada mais.

Saiba mais sobre prompts neste artigo sobre engenharia de prompt.

Visualização de dados

Para analisar o resultado da estratégia, criamos um código para visualizar os dados da estratégia:

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

Comente o que achou desse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Tratamento e transformação de séries temporais macroeconômicas para modelagem

Como planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Criando operações SQL com IA Generativa no R com querychat

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Econometria, ML ou IA para previsão da PMS?

Outros artigos relacionados

Tratamento e transformação de séries temporais macroeconômicas para modelagem

"Garbage in, garbage out" é a regra de ouro na previsão macroeconômica. Antes de aplicar qualquer modelo de IA ou econometria para prever indicadores como o IPCA ou o PIB, existe um trabalho crucial de tratamento de dados. Neste post, abrimos os bastidores do nosso dashboard de previsões e mostramos o passo a passo para transformar dados brutos de múltiplas fontes (como BCB, IBGE e FRED) em séries prontas para modelagem. Veja como lidamos com diferentes frequências, aplicamos transformações e usamos metadados para criar um pipeline de dados robusto e automatizado.

Como planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Montar um pipeline de previsão macroeconômica não é apenas uma tarefa técnica — é um exercício de integração entre dados, modelos e automação. Neste post, apresento uma visão geral de como estruturar esse processo de ponta a ponta, da coleta de dados até a construção de um dashboard interativo, que exibe previsões automatizadas de inflação, câmbio, PIB e taxa Selic.

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

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!