Python para Análise Técnica de Ações: Indicadores e Gráficos
Com Python, podemos automatizar essa análise, coletar dados de ativos em tempo real e aplicar indicadores técnicos clássicos como médias móveis, RSI, MACD e Bandas de Bollinger.
Neste artigo, vamos explorar como implementar a análise técnica em Python, criando gráficos interativos e aplicando indicadores úteis para tomada de decisão.
1. Preparando o Ambiente
Vamos precisar de algumas bibliotecas:
pip install yfinance pandas matplotlib mplfinance ta
yfinance → para coletar dados de ações.
pandas → manipulação de dados.
matplotlib / mplfinance → gráficos de velas (candlesticks).
ta → biblioteca com indicadores técnicos prontos.
2. Coletando Dados de Ações
Podemos usar a API do Yahoo Finance para baixar cotações.
import yfinance as yf
import pandas as pd
# Baixando dados da PETR4 (Petrobras) dos últimos 6 meses
dados = yf.download("PETR4.SA", period="6mo", interval="1d")
print(dados.head())
Saída típica:
Open High Low Close Adj Close Volume
Date
2025-03-01 30.15 31.00 29.90 30.80 30.80 12000000
2025-03-02 30.90 31.50 30.50 31.20 31.20 10000000
...
3. Plotando Gráficos de Velas (Candlesticks)
A análise técnica começa com gráficos de preços:
import mplfinance as mpf
mpf.plot(dados, type="candle", volume=True, style="yahoo", title="PETR4 - Gráfico de Velas")
➡ Esse gráfico mostra candlesticks diários e o volume negociado.
4. Médias Móveis
As médias móveis suavizam os preços e ajudam a identificar tendências.
dados["MM20"] = dados["Close"].rolling(window=20).mean()
dados["MM50"] = dados["Close"].rolling(window=50).mean()
mpf.plot(
dados,
type="candle",
volume=True,
style="yahoo",
title="PETR4 - Médias Móveis",
mav=(20, 50) # médias móveis no gráfico
)
📌 Interpretação:
Quando a MM20 cruza acima da MM50 → possível compra (tendência de alta).
Quando a MM20 cruza abaixo da MM50 → possível venda (tendência de baixa).
5. Indicador RSI (Índice de Força Relativa)
O RSI (Relative Strength Index) mede a velocidade e a mudança dos preços, ajudando a identificar condições de sobrecompra (>70) e ** sobrevenda (<30)**.
import ta
dados["RSI"] = ta.momentum.RSIIndicator(dados["Close"], window=14).rsi()
import matplotlib.pyplot as plt
plt.figure(figsize=(10,4))
plt.plot(dados.index, dados["RSI"], label="RSI")
plt.axhline(70, color="red", linestyle="--")
plt.axhline(30, color="green", linestyle="--")
plt.title("RSI - PETR4")
plt.legend()
plt.show()
📌 Interpretação:
RSI > 70 → ativo pode estar sobrecomprado (correção à vista).
RSI < 30 → ativo pode estar sobrevendido (possível recuperação).
6. MACD (Moving Average Convergence Divergence)
O MACD é um indicador de tendência que mede a diferença entre duas médias móveis exponenciais.
dados["MACD"] = ta.trend.MACD(dados["Close"]).macd()
dados["MACD_Sinal"] = ta.trend.MACD(dados["Close"]).macd_signal()
plt.figure(figsize=(10,4))
plt.plot(dados.index, dados["MACD"], label="MACD", color="blue")
plt.plot(dados.index, dados["MACD_Sinal"], label="Sinal", color="red")
plt.legend()
plt.title("MACD - PETR4")
plt.show()
📌 Interpretação:
MACD cruza acima da linha de sinal → tendência de alta.
MACD cruza abaixo da linha de sinal → tendência de baixa.
7. Bandas de Bollinger
As Bandas de Bollinger medem a volatilidade do ativo:
bb = ta.volatility.BollingerBands(dados["Close"], window=20, window_dev=2)
dados["BB_Media"] = bb.bollinger_mavg()
dados["BB_Sup"] = bb.bollinger_hband()
dados["BB_Inf"] = bb.bollinger_lband()
plt.figure(figsize=(10,6))
plt.plot(dados.index, dados["Close"], label="Preço", color="black")
plt.plot(dados.index, dados["BB_Media"], label="Média", color="blue")
plt.plot(dados.index, dados["BB_Sup"], label="Banda Superior", color="red")
plt.plot(dados.index, dados["BB_Inf"], label="Banda Inferior", color="green")
plt.fill_between(dados.index, dados["BB_Inf"], dados["BB_Sup"], alpha=0.1)
plt.legend()
plt.title("Bandas de Bollinger - PETR4")
plt.show()
📌 Interpretação:
Quando o preço encosta na banda superior, pode indicar sobrecompra.
Quando encosta na banda inferior, pode indicar ** sobrevenda**.
Bandas mais largas → maior volatilidade.
8. Criando um Dashboard de Indicadores
Podemos combinar vários gráficos para criar um mini-dashboard.
fig, axs = plt.subplots(3, 1, figsize=(12,10), sharex=True)
# Preço + Médias Móveis
axs[0].plot(dados.index, dados["Close"], label="Preço", color="black")
axs[0].plot(dados.index, dados["MM20"], label="MM20", color="blue")
axs[0].plot(dados.index, dados["MM50"], label="MM50", color="orange")
axs[0].legend()
axs[0].set_title("Preço e Médias Móveis")
# RSI
axs[1].plot(dados.index, dados["RSI"], label="RSI", color="purple")
axs[1].axhline(70, color="red", linestyle="--")
axs[1].axhline(30, color="green", linestyle="--")
axs[1].legend()
axs[1].set_title("RSI")
# MACD
axs[2].plot(dados.index, dados["MACD"], label="MACD", color="blue")
axs[2].plot(dados.index, dados["MACD_Sinal"], label="Sinal", color="red")
axs[2].legend()
axs[2].set_title("MACD")
plt.show()
9. Boas Práticas na Análise Técnica com Python
Combine diferentes indicadores para confirmar sinais.
Teste estratégias usando backtesting antes de aplicar no mercado real.
Use gráficos interativos (ex.: Plotly, Dash) para explorar dados dinamicamente.
Cuidado com falsos sinais: indicadores devem ser interpretados dentro do contexto do mercado.
Nunca dependa de um único indicador.
10. Conclusão
O Python oferece um arsenal completo para traders e investidores aplicarem análise técnica de ações.
Com bibliotecas como yfinance, mplfinance e ta, conseguimos baixar dados, plotar gráficos de velas, aplicar indicadores como RSI, MACD, Médias Móveis e Bandas de Bollinger e até construir dashboards interativos.
A combinação de programação + análise técnica dá ao investidor maior autonomia e precisão na tomada de decisão, além de abrir espaço para estratégias automatizadas de trading.
Comentários
Postar um comentário