Relatório - Análise Beta de Ações

Analise de cálculo do beta de 5 ações em períodos de 1, 3 e 5 anos, com base no índice Ibovespa.

Cálculo de Beta de ações

A proposta do projeto é realizar o cálculo de Beta de 5 ações SUZB3, PETR4, ITUB4, LREN3 e WEGE3 em períodos fixos de 1, 3 e 5 anos, utilizando os índices Ibovespa.

O teste foi realizado em dois caminhos:

• VBA: Criar uma macro que calcule automaticamente o beta para 1, 3 e 5 anos das 5 ações, atualize os gráficos no Excel, e inclua um botão para refazer os cálculos e gráficos ao ser clicado.

• Python: Desenvolver um script que importe dados de CSV ou Excel, calcule os betas para 1, 3 e 5 anos, e exporte os resultados e gráficos prontos para uso em um novo arquivo Excel.

Para cada ação, serão gerados:

• Python
  • Um Excel com os resultados, sem gráfico.
  • Um Excel com os resultados e gráficos de análise.
  • Um gráfico utilizando a biblioteca Python Matplotlib.

Exemplo de gráfico:

• VBA
  • Um .xlms com os resultados e graficos

Exemplo de gráfico:

O objetivo é comparar os formatos e a interpretação dos dados em diferentes representações. A análise do beta é uma medida de sensibilidade de um ativo em relação ao comportamento de um índice. No projeto foi utilizado os índices da Ibovespa. O objetivo é medir a volatilidade de uma ação, sendo uma das principais ferramentas para investidores que desejam entender o risco associado a cada ativo.

• Excel Sem Gráfico: Este arquivo fornecerá uma visão clara e concisa dos dados calculados, permitindo uma rápida consulta aos valores de beta ao longo dos períodos analisados.

• Excel Com Gráfico: Este arquivo incluirá gráficos que ilustram a relação entre o retorno das ações e do índice. Gráficos de linhas serão utilizados para destacar tendências e variações no beta ao longo do período analisado. Para automatização desses gráficos foi utilizado linguagem de programação Python e VBA

• Gráfico Utilizando Matplotlib: Este gráfico será gerado em Python usando a biblioteca Matplotlib e terá como objetivo representar graficamente o comportamento do beta ao longo do tempo.

Ao final da análise, será possível tirar conclusões sobre a sensibilidade das ações escolhidas em relação às variações do mercado, ajudando os investidores a tomar decisões mais informadas sobre suas carteiras de investimento. O uso de diferentes formatos de apresentação permitirá não apenas uma compreensão profunda dos dados, mas também uma comparação entre as ferramentas utilizadas, destacando suas respectivas vantagens e limitações, e contribuindo para uma escolha mais adequada das metodologias de análise em futuras avaliações de risco e desempenho de ativos.

Dados:

• Data inicial dos dados para análise: 01/01/2019 - 23/08/2024.

  • Fontes: Investing: https://br.investing.com (SUZB3, PETR4, ITUB4, LREN, 3WEGE3, Ibovespa); Yahoo Finance - Finance's API: https://pypi.org

Python:

Desenvolvimento

O desenvolvimento do analiseBeta foi realizado utilizando a linguagem de programação Python. O projeto foi estruturado em diferentes pacotes para separar as responsabilidades e facilitar a manutenção e extensibilidade do código. (csv, model, view, vba)

Para o gerenciamento de dependências e ambientes foi utilizado a biblioteca Poetry e para facilitar o controle de versões e desenvolvimento colaborativo o projeto está disponível no Github.

Decisões de funcionalidades:

O Sistema de Cálculo de Beta possui as seguintes funcionalidades principais:

1. Model:

• Permite faxinar os dados: processar_dados_csv()
• Buscar dados de mercado no Yahoo Finance: buscar_dados_yahoo()
• Calcula o Beta de uma ação: calcular_beta()

2. View:

• Exporta os retornos e o beta calculado para um arquivo excel: exportar_para_excel()
• Exporta os retornos e o beta para o excel automatizando a criação dos gráficos: exportar_para_excel_com_grafico()
• Cria gráficos com a biblioteca matplotlib: gerar_graficos()

3. Source:

• Organiza todo o sistema de automatrização, facilitando a manipulação dos dados em um período determinado: gerar_graficos_anos()

Uso

Venv

Ativando o ambiente virtual:

poetry shell

Adicionando novas dependências:

# O linha abaixo adiciona novas bibliotecas the `requests` library
poetry add pandas

Instalando dependências do projeto:

poetry install

Exemplo de chamada da função exportar_para_excel_com_grafico

from gerar_graficos_anos import calcular_e_gerar_graficos

# CÁLCULO DO BETA
# SUZB3
caminho_base_suzb3 = 'src/csv/SUZB3.csv'
calcular_e_gerar_graficos(caminho_base_suzb3, 'SUZB3', 1, '2023-05-13', '2024-05-03', 'doc/SUZB3sg_1ano.xlsx')
calcular_e_gerar_graficos(caminho_base_suzb3, 'SUZB3', 3, '2021-07-31', '2024-07-31', 'doc/SUZB3sg_3anos.xlsx')
calcular_e_gerar_graficos(caminho_base_suzb3, 'SUZB3', 5, '2019-08-28', '2024-08-28', 'doc/SUZB3sg_5anos.xlsx')

VBA

Também foi utilizada uma macro em VBA para auxiliar na manipulação e formatação dos dados no Excel.

Foi necessário fazer algumas alterações manualmente:

• Conversão das células para number e percent
• Converter data para Date ('yyyy/mm/dd')
• Inclui uma nova aba para os índices da ibovespa
• Deixar datas em ordem crescente

Foram implementadas essas rotinas:

• Sub calcularBeta()
• Sub GerarGraficoPorPeriodo()

Para gerar automaticamente os 3 gráficos diferentes foram criadas em outro módulo:

• Sub GerarGraficoPeriodoEspecifico1anos()
• Sub GerarGraficoPeriodoEspecifico3anos()
• Sub GerarGraficoPeriodoEspecifico4anos()

Calculo do BETA:

O cálculo do beta de um ativo envolve vários passos:

• Coletar dados históricos dos retornos do ativo e do índice de referência.
• Calcular os retornos do ativo e do índice.
• Calcular a covariância entre os retornos do ativo e do índice.
• Calcular a variância do índice (Ibovespa).

Implementação do cálculo no Python:

A função calcular_beta(dados_mercado, dados_processados) executa os seguintes passos:

• Cálculo dos Retornos Diários: Os dados são ajustados para definir 'Data' como o índice do DataFrame. Utiliza-se a função pct_change() para calcular os retornos diários da coluna 'Último', removendo valores nulos com dropna(). Isso garante que apenas dados válidos sejam considerados.

• Combinação dos Dados: Os retornos da ação e do mercado são combinados em um DataFrame, permitindo cálculos de covariância e variância.

• Cálculo da Variância do Mercado: A variância dos retornos do mercado é calculada utilizando np.var(). Se a variância for zero ou se houver valores nulos, um erro é levantado, garantindo a integridade dos cálculos.

• Cálculo da Covariância e do Beta: A covariância entre os retornos da ação e do mercado é calculada usando np.cov(), e o Beta é obtido pela divisão da covariância pela variância do mercado.

Implementação em VBA

• Cálculo dos Retornos Diários: Os retornos são obtidos da coluna de variação percentual das ações e do Ibovespa, dividindo por 100 para convertê-los em formato decimal.

• Inicialização de Variáveis: Arrays são criados para armazenar os retornos, e variáveis de soma são inicializadas para o cálculo da média.

• Cálculo das Médias: As médias dos retornos são calculadas somando os retornos e dividindo pelo número total de períodos. Cálculo da Covariância e Variância: A covariância é calculada somando os produtos das diferenças dos retornos em relação às médias. A variância do Ibovespa é calculada somando os quadrados das diferenças.

• Cálculo do Beta: O Beta é calculado ao final, e os resultados são armazenados em uma nova aba chamada "Beta".

Estrutura do Projeto

O projeto foi estruturado em diferentes pacotes para separar as responsabilidades e facilitar a manutenção e extensibilidade do código.

• csv: Contém todos os arquivos .csv
• model: Códigos referente a modelagem do projeto
• view: Códigos referente todas as visualizações dos gráficos
• vba: Contém todas as planilhas .xlsm e os códigos responsáveis pelas macros.

Existe uma pasta doc (os resultados gerados com Python).

Para utilizar do sistema compile o arquivo Main.