Dashboard de Análise de Assimetria e Curtose no Python

Vamos continuar a série de postagens sobre como construir um Dashboard de métricas relacionadas a avaliação de ações e construção de um Portfolio de investimentos no Python. Trazemos nessa semana um componente importante para avaliação do risco: o cálculo da Assimetria e Curtose.

Assimetria e Curtose como medida de Volatilidade

Definindo Assimetria

A assimetria pode ser definida como o *grau* em que os retornos desviam em torno da média. Dado que a distribuição normal é *simétrica* em torno da média, a *assimetria* pode ser entendida como uma medida de como os retornos não são normalmente distribuídos. Abaixo a equação da assimetria:

    \begin{align*} Skew = \frac{\sum_{t=1}^{n} (x_i - \bar{x})^3/n}{ \left (\sum_{t=1}^{n}(x_i - \bar{x})^2/n \right )^{3/2}} \end{align*}

Definindo Curtose

Curtose é uma medida do grau em que os retornos da carteira aparecem nas caudas da distribuição. Uma distribuição normal tem curtose igual a 3, o que deriva do fato de que a distribuição normal tem parte de sua massa nas caudas. Uma distribuição com curtose maior do que 3 tem mais retorno nas caudas do que a distribuição normal, já uma distribuição com curtose menor do que 3 tem menos retornos nas caudas do que a distribuição normal. Isso importa para os investidores porque mais retornos ruins nas caudas significa que o portfólio pode estar em risco de um raro, mas enorme evento negativo.

Curtose é em geral descrita como excesso negativo ou excesso positivo, em comparação a uma curtose igual a 3. Por exemplo, uma distribuição com curtose de excesso negativo igual a -1 tem uma curtose com valor absoluto igual a 2. Portanto, Curtose negativa significa menos retornos nas caudas, o que implica em menos risco.

Abaixo, uma equação para excesso de curtose:

    \begin{align*} Kurtosis = \frac{\sum_{t=1}^{n} (x_i - \bar{x})^4/n}{\left (\sum_{t=1}^{n} (x_i - \bar{x})^{2}/n \right )^2} - 3 \end{align*}

Para obter o código do Dashboard abaixo, faça parte do Clube AM, o repositório de códigos da Análise Macro, contendo exercícios semanais de R e Python.

Dashboard de Assimetria e Curtose

Para facilitar todo o trabalho de verificar essas métricas, é possível criar um Dashboard, que automatiza todo o processo de coleta, tratamento, criação das métricas e a visualização de dado. No Dashboard abaixo, o processo de coleta de dados financeiros foi feito por meio da biblioteca yfinance. O Dashboard é construído no ambiente da biblioteca Shiny e os gráficos construídos por meio do Plotly.

_____________________

Quer saber mais?

Veja nossa trilha de cursos de Finanças Quantitativas

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

O que é e como funcionam Sistemas Multi-Agentes

Sistemas multi-agentes (MAS) representam uma nova forma de estruturar aplicações de inteligência artificial, especialmente úteis para lidar com problemas complexos e distribuídos. Em vez de depender de um único agente generalista, esses sistemas são compostos por múltiplos agentes especializados que colaboram, competem ou se coordenam para executar tarefas específicas. Neste post, explicamos o que são os MAS, seus principais componentes (como LLMs, ferramentas e processos) e as arquiteturas mais comuns.

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.

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.