Rodolfo Cruz Losqui

Cara, tenho 31 e estou longe do que gostaria quando me imaginava na faculdade. Mas sigo na luta, hoje trabalho com algo que não gosto, mas porque enquanto corro atrás dos meus sonhos ainda preciso me manter. Dito isso, acho que primeiro deveria começar num emprego, seja ele qual for- como o próprio Raul diz: "O melhor lugar pra achar um emprego é dentro de um emprego". Lá você vai estar com a cabeça mais tranquila pra se inscrever em diferentes oportunidades e com alguma estabilidade. A ideia de um caminho único para um fim é ilusão, cada vivência terá pontos, experiências e visões únicas. Não se prenda a onde quer chegar, mas nos caminhos que se abrem a sua frente. Você é novo demais, conhece pouco do mundo ainda, não tente se restringir agora (falei como se tivesse vivido muito kkkk Mas meu pai no auge dos seus 70 sempre me disse isso e nunca errou, sempre que foquei no destino me dei mal e, quando olhei pro presente, me dei bem).

Olá, Criei um código para analisar os dados de valuation das empresas de um ETF usando a parte gratuito da stock analysis, mas essa se limita a 25 tickers e para alguns ETFs isso não chega a representar 20% da carteira. Então queria usar um API para encontrar os tickers e pesos, depois pesquisar os dados disponíveis dessas empresas no Yahoo finance. Porém todos os que vi eram pagos e um valor que não fazia sentido pra uso "casual". Vocês sabem de algum que possa ser útil?

@Filipe Andrade Nascimento kkkkkkk Ai não bicho, eu sou da área da saúde, é aceitável não conhecer tanto. Mas valeu por ter explicado, acho que consegui usar: https://gist.github.com/RodolfoCL04/c699c1e6b367957a2890b2e6671693c8 Mudei algumas coisas do código tirando cálculos que se baseariam no preço das ações e deixei só os dados operacionais das empresas, agilizou o calculo e me dá as medias dos dados operacionais das empresas que compõe o ETF. Talvez seja maluquice minha e esteja até fazendo besteira, mas ter essa noção me dá mais segurança pra escolher

kkkkk Perdão, eu não entendo nada de programação, máximo que programei foi o despertador do celular, não sabia dessa possibilidade e nem como usar😢

Em meio a um devaneio, solicitei a IA que tentasse analisar os ativos que representassem 50% da carteira de um ETF para obter a media ponderada de alguns dados de valuation, como são muitos ativos ela bugou, mas me forneceu o código em Python que permitiria fazer a análise, testei e deu certo, os dados obtidos realmente batem com os contidos no site. Os dados solicitados foram: ROE ROIC ROA DIV LIQ/EBITDA P/EBIT P/EBITDA LIQUIDEZ CORRENTE LIQUIDEZ SECA LIQUIDEZ IMEDIATA PAS/ATIV Caso alguém tenha interesse aqui vai o passo a passo Baixar as planilhas das holdings do ETF no site do gestor, abrir o arquivo no excel e deixar apenas as colunas de ticker e Weight, salvar o arquivo como no formato CSV Acessar o colab.research.google.com Abrir um novo notebook Digitar na caixa de texto do código "!pip install yfinance pandas" e apertar o play do lado esquerdo Nos ícones a esquerda o penúltimo item (ícone com formato de pasta) faça o upload do arquivo CSV Clique na caixa do primero comando e logo acima dela ele te dará a opção "+código"clique nela e insira esse prompt" import yfinance as yf import pandas as pd import numpy as np df_top_50 = pd.read_csv('Nome do arquivo upado.csv', sep=';') print("Colunas do DataFrame após leitura do CSV:") print(df_top_50.columns) # Rename the 'Weight' column to 'Peso' to match expectations df_top_50 = df_top_50.rename(columns={'Weight': 'Peso'}) # Corrected from 'Weight (%)' to 'Weight' # Clean and convert 'Peso' column to numeric, handling problematic characters like '-' df_top_50['Peso'] = df_top_50['Peso'].str.replace(',', '.').replace('-', np.nan).astype(float) # Filter out invalid or problematic tickers that cause yfinance errors df_top_50 = df_top_50[df_top_50['Ticker'].notna()].copy() # Remove rows with NaN Ticker df_top_50 = df_top_50[df_top_50['Ticker'].str.strip() != ''].copy() # Remove empty or whitespace-only Tickers df_top_50 = df_top_50[df_top_50['Ticker'] != '-'].copy() # Remove single hyphen Tickers # Explicitly filter out currency symbols and other known non-stock tickers problematic_symbols = ['_CURRENCYEUR', '_CURRENCYGBP', '_CURRENCYCHF', '_CURRENCYDKK', '_CURRENCYUSD', '_CURRENCYNOK', '_CURRENCYSEK', '___ADI2VD0K2', '2330', '5930', '700', '660', '9988'] # Added common problematic entries from EIMI, if they appear as tickers df_top_50 = df_top_50[~df_top_50['Ticker'].isin(problematic_symbols)].copy() dados_empresas = [] print("Extraindo os dados financeiros atuais... Isso será bem mais rápido.\n") for index, row in df_top_50.iterrows(): ticker = row['Ticker'] peso = row['Peso'] # This line was the error. We needed the correct column name. try: acao = yf.Ticker(ticker) info = acao.info # Check if info is empty, which indicates a problematic ticker for yfinance if not info or len(info) <= 1: # len(info) <= 1 often means only 'trailingPegRatio' or similar, indicating no real data print(f"Aviso: Não foi possível obter dados para o ticker {ticker}. Pulando este ativo.") continue bs = acao.balance_sheet inc = acao.financials def dado_recente(df, nome_linha): try: return df.loc[nome_linha].iloc[0] except (KeyError, IndexError): return np.nan roe = info.get('returnOnEquity', np.nan) roa = info.get('returnOnAssets', np.nan) liquidez_corrente = info.get('currentRatio', np.nan) liquidez_seca = info.get('quickRatio', np.nan) ebitda = info.get('ebitda', np.nan) market_cap = info.get('marketCap', np.nan) caixa_total = info.get('totalCash', np.nan) divida_total = info.get('totalDebt', np.nan) ebit = dado_recente(inc, 'EBIT') capital_investido = dado_recente(bs, 'Invested Capital') ativos_totais = dado_recente(bs, 'Total Assets') passivos_totais = dado_recente(bs, 'Total Liabilities Net Minority Interest') passivo_circulante = dado_recente(bs, 'Current Liabilities') roic = (ebit / capital_investido) if (pd.notna(ebit) and pd.notna(capital_investido) and capital_investido != 0) else np.nan divida_liq_ebitda = ((divida_total - caixa_total) / ebitda) if (pd.notna(divida_total) and pd.notna(caixa_total) and pd.notna(ebitda) and ebitda != 0) else np.nan p_ebit = (market_cap / ebit) if (pd.notna(market_cap) and pd.notna(ebit) and ebit != 0) else np.nan p_ebitda = (market_cap / ebitda) if (pd.notna(market_cap) and pd.notna(ebitda) and ebitda != 0) else np.nan passivos_ativos = (passivos_totais / ativos_totais) if (pd.notna(passivos_totais) and pd.notna(ativos_totais) and ativos_totais != 0) else np.nan liquidez_imediata = (caixa_total / passivo_circulante) if (pd.notna(caixa_total) and pd.notna(passivo_circulante) and passivo_circulante != 0) else np.nan dados = { 'Ticker': ticker, 'Peso': peso, 'ROE Atual (%)': roe * 100 if pd.notna(roe) else np.nan, 'ROA Atual (%)': roa * 100 if pd.notna(roa) else np.nan, 'ROIC Atual (%)': roic * 100 if pd.notna(roic) else np.nan, 'Dívida Líq/EBITDA': divida_liq_ebitda, 'P/EBIT': p_ebit, 'P/EBITDA': p_ebitda, 'Liquidez Corrente': liquidez_corrente, 'Liquidez Seca': liquidez_seca, 'Liquidez Imediata': liquidez_imediata, 'Passivos/Ativos (%)': passivos_ativos * 100 if pd.notna(passivos_ativos) else np.nan } dados_empresas.append(dados) except Exception as e: print(f"Aviso: Erro ao processar o ticker {ticker}: {e}. Pulando este ativo.") continue # Ensure df_resultados is created even if dados_empresas is empty df_resultados = pd.DataFrame(dados_empresas) print("--- Dados Extraídos por Empresa ---") print(df_resultados.round(2).to_string(index=False)) print("\n" + "-"*80 + "\n") def media_ponderada(valores, pesos): mascara = valores.notna() & pesos.notna() if not mascara.any(): return np.nan return np.average(valores[mascara], weights=pesos[mascara]) print("---" * 10 + "\nMÉDIA PONDERADA ATUAL DO FUNDO\n" + "---" * 10) colunas_para_media = [c for c in df_resultados.columns if c not in ['Ticker', 'Peso']] if not df_resultados.empty: for coluna in colunas_para_media: resultado = media_ponderada(df_resultados[coluna], df_resultados['Peso']) if "(%)" in coluna: print(f"{coluna}: {resultado:.2f}%") else: print(f"{coluna}: {resultado:.2f}x") else: print("Nenhum dado financeiro foi extraído após a filtragem de tickers.") pedir para rodar o código, nesse passo alguns erros podem surgir e o próprio gemini oferece soluções, peça para as executar e ele tentar rodar novamente Após isso ele ira buscar os dados, ignorar o que não encontrou no site e te dar as medias Deixei abaixo o resultado que consegui para o SPYL versão irlandesa do SPY