Tag

backtest Archives - Análise Macro

Análise de Portfólio com pyfolio

By | mercado financeiro

Portfolio em finanças é um conjunto de ativos financeiros, no qual o principal objetivo reside na diversificação. É sempre necessário demonstrar eficácia em sua montagem, minimizando o nível do risco incorrido e maximizando a performance. Para analisar se foi possível obter a eficácia, é necessário realizar testes de performance, e a biblioteca pyfolio, permite criar facilmente análises de performance e risco de carteiras de investimento e estratégias. Neste post, mostramos como é possível visualizar essas medidas construindo um portfolio e realizando o backtest com o pyfolio.

Como exemplo, criamos uma portfolio composto de cinco ações: ITUB4, PETR4, VALE3 e BRFS3, compreendendo os dias entre 2019-01-01 e 2022-07-11. Através do preços diários, calculamos os retornos simples das ações e construímos um Equal Weighted Portfólio, ou seja, uma carteira em que todas as ações possuem o mesmo peso de 25% do total investido.

Abaixo, mostramos os gráficos criados a partir das funções da biblioteca, realizando comparações com os retornos da Ibovespa durante o mesmo período. Todo o código e vídeo comentado da montagem do portfólio e dos gráficos são disponibilizados para membros do Clube AM.

Retorno Anualizado

É possível compreender como o portfólio performou em cada ano. A função cria automaticamente uma linha para da média do retorno no período.

Retorno Acumulado

Com o gráfico abaixo, compreendemos a evolução do retorno ao longo do tempo do portfólio. É possível comparar com a evolução do Ibovespa.

Drawdown

O drawdown é uma medida do declínio do pico histórico do ativo. É interessante para entender os períodos de turbulência do portfólio.

Beta móvel

Por fim, podemos visualizar o Beta de mercado do portfolio, isto é, o coeficiente que mede a relação da carteira com o mercado. É útil para entender o quanto o portfolio se movimenta com as oscilações do mercado, representando uma medida para a comparação com o risco sistemático de todo o mercado.

__________________________________________________

Quer saber mais?

Veja nossos cursos da trilha de Finanças Quantitativas.

_________________________________________________

Fazendo Backtesting no Python

By | mercado financeiro

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

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar Gratuitamente