Fazendo Backtesting no Python

Imagine-se na seguinte situação: você cria uma estratégia de investimentos, baseadas em diversos fatores de risco de um conjunto de ações, bem como uma análise acurada de diversas outras classes de ativos. Porém, ainda falta uma forma de conseguir evidenciar se a estratégia pode de fato dar certo. Para isso, é possível realizar um Backtest através do Python.

Existem diversas métricas e indicadores possíveis de se utilizar para obter o conhecimento de o quanto uma estratégia de investimentos se comportou no passado. Dentre elas, as mais importantes seguem como:

  • Retorno Acumulado
  • Comparação com um benchmark
  • Drawdown - isto é - os períodos de queda do valor da ação
  • Distribuição do Retorno
  • Índice de Sharpe, entre outros índices
  • Volatilidade dos retornos
  • Beta

Existem diversos outros tipos de métricas, que seriam muito bem utilizadas para o propósito, sendo cada uma melhor atendendo os gostos de cada investidor a depender da estratégia.

Mas como podemos realizar todos estes testes utilizando o Python? É possível utilizar a biblioteca vectorbt, que oferece uma gama de funções para conseguir criar o Backtest.

Antes de continuar com o backtest, importaremos os dados para criar um estratégia da qual possamos analisar. Com a biblioteca PyPortfolioOpt, iremos criar um portfólio de fronteira eficiente de forma que consigamos criar uma estratégia e possamos avaliá-la com o vectorbt.

vectorbt

O vectorbt é um pacote do Python que permite realizar análises quantitativas, montagem de estratégias de investimentos e backtesting. O ponto do forte do pacote é justamente pela sua operação com outros pacotes para análises de dados do Python.

Abaixo, demonstraremos através do cálculo da fronteira eficiente de um portfólio de três ativos algumas funções úteis para obter métricas de backtesting utilizando o vectorbt.

Veja que após criar os pesos ótimos, utilizamos eles para realizar a alocação somente em um primeiro momento do portfólio, sem rebalanceamento. Em seguida, com o método stats, verificamos os principais indicadores e a comparação do benchmark (Ibovespa). É possível alterar diversas configurações dos indicadores utilizando o argumento settings.


Para os gráficos, vemos o plot para todos os subplots possíveis da função. Por óbvio, devido a estratégia montada, alguns não fariam sentido, apesar de serem úteis para diversas outras.

Quer saber mais?

Veja nossos cursos de Python aplicado: R e Python para Economistas, Econometria usando R e Python e Estatística usando R e Python

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como incorporar mudanças climáticas na previsão da inflação?

Será que o El Niño impacta o preço do feijão com arroz no prato dos brasileiros? Para responder esta pergunta estimamos um modelo VAR(p) utilizando dados do Oceanic Niño Index (ONI), investigamos a decomposição histórica dos choques estruturais e incorporamos o indicador de impacto climático nas previsões da inflação.

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.

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.