Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/joseabrantesjr/previsai

O PrevisAI é uma aplicação que utiliza tecnica avançada de deep-learning para prever os preços de fechamento de ações, ETFs, Fundos Imobiliários, Criptomoedas, etc.
https://github.com/joseabrantesjr/previsai

acoes criptomoedas deep-learning etf fii keras mercado-financeiro numpy pandas previsao python scikit-learn tensorflow trade trading yfinance

Last synced: about 2 months ago
JSON representation

O PrevisAI é uma aplicação que utiliza tecnica avançada de deep-learning para prever os preços de fechamento de ações, ETFs, Fundos Imobiliários, Criptomoedas, etc.

Awesome Lists containing this project

README 

        
## **PrevisAI**



### Visão Geral



**PrevisAI: Inteligência Avançada para Previsão de Ativos** é uma aplicação em Python desenvolvida para prever os preços de fechamento de ações utilizando técnicas de aprendizado profundo, especificamente redes LSTM (Long Short-Term Memory). A programação visa ajudar investidores a tomar decisões informadas com base em previsões de curto prazo (até uma semana), recomendando compra ou venda de ativos.



A ferramenta utiliza dados históricos obtidos através da API do Yahoo Finance para treinar um modelo que faz previsões precisas sobre o comportamento dos preços. A partir das previsões, a  programação fornece uma análise clara e uma recomendação de investimento.



---



### Funcionalidades Principais



1. **Previsão de Preços de Ações**: O script prevê o preço de fechamento de um ativo para os próximos 5 dias úteis, com base em 20 dias de dados históricos.

   

2. **Análise de Erro**: Avalia a precisão do modelo utilizando o Erro Quadrático Médio (MSE) e o Erro Absoluto Médio (MAE) para garantir previsões robustas.



3. **Recomendação de Compra/Venda**: Com base nas previsões, o PrevisAI calcula a variação percentual esperada e oferece uma recomendação de compra, venda ou manutenção do ativo.



4. **Interatividade**: Permite ao usuário inserir o símbolo de qualquer ativo listado na bolsa para análise imediata.



---



### Instalação



#### Pré-requisitos:

- Python 3.x



### Método recomendado (Docker):

  ```bash

 docker run -it previsai

 ```

### Método manual:

- Criar um ambiente vritual:

  ```bash

  python3 -m venv venv

  ```



- Ativar o ambiente virtual (MacOS, Linux):

  ```bash

  source venv/bin/activate

  ```



- Instalar as bibliotecas necessárias:

  ```bash

  pip install -r requirements.txt

  ```



#### Como instalar:

1. Clone o repositório do software (ou baixe o código):

   ```bash

   git clone https://github.com/joseabrantesjr/PrevisAI

   ```



2. Navegue até o diretório do projeto:

   ```bash

   cd PrevisAI

   ```



3. Execute o arquivo principal `Previsai.py`:

   ```bash

   python previsai.py

   ```



---



### Como Usar



1. **Executar o Software**:

   - Ao executar o arquivo principal, o sistema solicitará que você insira o símbolo de uma ação (exemplo: `AAPL` para Apple, `MSFT` para Microsoft).



2. **Obter Resultados**:

   - O PrevisAI baixa os dados históricos do Yahoo Finance e exibe o preço de fechamento atual do ativo.

   - Em seguida, o software treina o modelo LSTM e faz previsões dos preços para os próximos cinco dias úteis.

   - O resultado inclui as seguintes informações:

     - Previsões dos preços de fechamento para os próximos 5 dias úteis.

     - Erro Quadrático Médio (MSE) e Erro Absoluto Médio (MAE) das previsões.

     - Variação percentual esperada do preço do ativo.

     - Recomendações baseadas nas previsões: **comprar**, **vender** ou **manter**.



3. **Interpretação das Recomendações**:

   - **Comprar**: Se a previsão mostra um aumento percentual significativo no preço do ativo.

   - **Vender**: Se há uma previsão de queda no preço do ativo.

   - **Manter**: Se a previsão indica estabilidade.



---



### Exemplos de Uso



#### Exemplo 1:

```

Digite o símbolo da empresa (por exemplo, AAPL para Apple Inc.): MSFT

```

**Saída**:

```

Preço de Fechamento Atual: $280.15



Previsão de preços para a próxima semana:

18/09/2024: $282.35

19/09/2024: $284.00

20/09/2024: $285.50

23/09/2024: $287.25

24/09/2024: $288.90



Erro Quadrático Médio (MSE) do modelo: 0.0041

Erro Absoluto Médio (MAE) do modelo: 0.0523



Variação percentual prevista: 3.12%



Recomendação: Considere comprar. O modelo prevê uma tendência de alta.

```



#### Exemplo 2:

```

Digite o símbolo da empresa (por exemplo, AAPL para Apple Inc.): TSLA

```

**Saída**:

```

Preço de Fechamento Atual: $770.50



Previsão de preços para a próxima semana:

18/09/2024: $765.20

19/09/2024: $762.50

20/09/2024: $759.10

23/09/2024: $754.75

24/09/2024: $750.40



Erro Quadrático Médio (MSE) do modelo: 0.0037

Erro Absoluto Médio (MAE) do modelo: 0.0419



Variação percentual prevista: -2.61%



Recomendação: Considere vender ou manter. O modelo prevê uma tendência de baixa.

```



---



### Estrutura do Código



1. **Preprocessamento dos Dados**

   - Função: `preprocessar_dados(data, window_size=20)`

   - Normaliza os dados e cria janelas de 20 dias de preços para uso no modelo.



2. **Modelo LSTM**

   - Função: `criar_modelo_lstm(input_shape)`

   - Define a arquitetura LSTM e compila o modelo com o otimizador Adam.



3. **Treinamento do Modelo**

   - Função: `treinar_modelo(X, y)`

   - Divide os dados em treino e teste, e ajusta o modelo utilizando 300 épocas.



4. **Avaliação do Modelo**

   - Função: `avaliar_modelo(model, X_test, y_test)`

   - Calcula o MSE e MAE para avaliar a precisão do modelo em dados não vistos.



5. **Previsão da Próxima Semana**

   - Função: `prever_proxima_semana(model, last_window, scaler)`

   - Usa os últimos 20 dias de dados e faz previsões para os próximos 5 dias úteis.



6. **Recomendações**

   - Função: `identificar_melhor_compra(data)`

   - Integra todas as etapas, faz as previsões e calcula a variação percentual, gerando a recomendação de compra, venda ou manutenção.



---



### Melhoria e Expansão



**PrevisAI** pode ser expandido com várias funcionalidades adicionais, como:

1. **Análise Técnica e Fundamentalista**: Integrar indicadores técnicos ou dados financeiros fundamentais para enriquecer as previsões.

2. **Alocação de Portfólio**: Combinar as previsões de múltiplos ativos para otimização de portfólio, por exemplo, utilizando a teoria de portfólio de Markowitz.

3. **Aprimoramento do Modelo**: Implementar outros tipos de redes neurais ou combinar LSTM com modelos de machine learning tradicionais para melhorar a precisão.



---



### **Como Contribuir e Se Beneficiar:**

1. **Dê uma Estrala**: Se você aprecia o nosso trabalho e acha que ele pode beneficiar outros, mostre seu apoio clicando no botão "Star" no GitHub!

2. **Fork e Contribua**: Faça um fork do repositório, experimente o código e contribua com melhorias. Sua participação pode tornar o PrevisAI ainda mais poderoso!

3. **Compartilhe**: Ajude a espalhar a palavra. Compartilhe o PrevisAI com colegas, amigos e em suas redes sociais!



### **Experimente o PrevisAI Hoje!**

Junte-se à comunidade de investidores e analistas que estão transformando a maneira como analisamos o mercado financeiro. Faça parte do futuro da previsão de preços com o **PrevisAI**!



---

### ***Sobre Mim***

Sou José Calazans Abrantes Júnior, um profissional com conhecimentos avançados em , machine learning, deep learning, análise de dados. Através de uma sólida formação autodidata, desenvolvi habilidades em técnicas de previsão e análise financeira, utilizando redes neurais, como LSTM, além da utilização de modelos para otimização de portfólio.



Atualmente, trabalho na Bio-G, em Resende/RJ, aplicando meu conhecimento para otimizar processos de saneamento. Também desenvolvi o Flask Password Manager, uma aplicação web que assegura a proteção de senhas com criptografia avançada.



Minha trajetória profissional inclui a gestão de uma microempresa de artigos esportivos (proprietário) e diversas funções administrativas e logísticas em diferentes empresas, o que demonstra minha versatilidade e capacidade de adaptação. Além disso, tenho experiência internacional com trabalho voluntário na Inglaterra e na Espanha.



Sou proficiente em Python, PHP, SQL, Node e várias bibliotecas e frameworks, como TensorFlow, Keras e Flask. Estou sempre em busca de aprimorar minhas habilidades e contribuir para inovações nos campos financeiro e ambiental.



---



### Licença



O software **PrevisAI** é disponibilizado sob a licença MIT. Sinta-se livre para modificar, distribuir e usar para fins pessoais ou comerciais, desde que seja dado o devido crédito aos desenvolvedores originais.



---



**PrevisAI: Antecipe o mercado, maximize lucros.**