Python e Finanças

Este projeto tem como foco a utilização do Python para análise de dados financeiros. Ele demonstra como usar diversas bibliotecas Python para buscar, processar e visualizar dados financeiros, particularmente dados do mercado de ações. O foco principal é na análise do IBOVESPA (IBOV), o principal índice de mercado de ações do Brasil.

Bibliotecas e Instalação

Este projeto utiliza as seguintes bibliotecas principais:

pandas: Para manipulação e análise de dados.
matplotlib: Para visualização de dados e plotagem gráfica.
numpy: Para cálculos numéricos.
pandas_datareader: Para buscar dados financeiros da web.
yfinance: Para buscar dados históricos do mercado do Yahoo Finance.
datetime: Para manipulação de datas e horários.

Instalação

Para instalar essas bibliotecas, use o pip, o gerenciador de pacotes do Python. Execute os seguintes comandos no seu terminal:

pip install pandas
pip install matplotlib
pip install numpy
pip install pandas_datareader
pip install yfinance
pip install datetime

Versão do Python e IDE

Versão do Python: Este projeto foi desenvolvido usando Python 3.8 ou superior.
IDE: Qualquer ambiente de desenvolvimento integrado (IDE) que suporte Python pode ser utilizado. Escolhas populares incluem Jupyter Notebook, PyCharm, Visual Studio Code ou até mesmo um editor de texto simples.

Lógica de Negócio e Etapas

Buscando Dados

Definição do Intervalo de Tempo: As datas de início e término são definidas para buscar os dados históricos. No exemplo, são usadas 1 de janeiro de 2020 a 10 de novembro de 2020.
Seleção do Índice: O índice escolhido para a análise é o IBOVESPA, representado pelo símbolo ^BVSP.
Obtenção dos Dados: Utiliza-se pandas_datareader juntamente com yfinance para buscar os dados do índice no intervalo especificado.

Análise dos Dados

Visualização do Gráfico de Fechamento Ajustado: Utiliza-se matplotlib para plotar o gráfico do preço de fechamento ajustado do índice ao longo do tempo.
Cálculo do Retorno: Calcula-se o retorno do investimento comparando o preço de fechamento ajustado no último dia do intervalo com o primeiro dia.
Análise com Médias Móveis: Implementa-se médias móveis de 21 e 34 dias para análise de tendências no gráfico de preço.

Execução do Código

O código deve ser executado em um ambiente que suporte as bibliotecas mencionadas. Recomenda-se testar cada seção individualmente para verificar a integridade dos dados e a precisão dos cálculos.

Conclusão

Este projeto oferece uma visão introdutória de como o Python pode ser utilizado para análises financeiras, especialmente em relação ao mercado de ações. É um excelente ponto de partida para aqueles interessados em exploração de dados financeiros e análise de mercado.

gsoaresdz / financas