Análise da Ação AAPL - Janeiro/2020 a Dezembro/2020 - Imersão Semana do Pyton Empowedata

Introdução

Este projeto tem como objetivo realizar uma análise detalhada da ação da Apple (AAPL) no período de janeiro a dezembro de 2020. Utilizando a linguagem Python e o ambiente Jupyter Notebook, foram coletados dados históricos da ação e aplicadas diversas técnicas de análise técnica e fundamentalista.

Objetivo

• Analisar o desempenho da ação AAPL no período especificado.
• Identificar tendências de alta, baixa e consolidação.
• Avaliar o impacto de eventos relevantes no mercado sobre a ação.
• Gerar insights que possam auxiliar na tomada de decisão de investimentos.

Metodologia

1. Coleta de Dados:
   • Utilização da biblioteca yfinance para coletar dados históricos da ação AAPL.
   • Definição do período de análise: Janeiro/2020 a Dezembro/2020.
2. Análise Exploratória:
   • Cálculo de indicadores técnicos como média móvel, bandas de Bollinger, RSI, etc.
   • Visualização dos dados através de gráficos e tabelas.
3. Análise de Eventos:
   • Identificação de eventos relevantes que impactaram o mercado e a ação AAPL.
   • Análise do impacto desses eventos nos preços da ação.
4. Automação do Relatório:
   • Criação de um relatório conciso e informativo em formato de texto.
   • Utilização das bibliotecas pyautogui, pyperclip e webbrowser para automatizar o envio do relatório por e-mail.

Resultados

                             Open        High         Low       Close  \

Date
2020-01-02 00:00:00-05:00 71.878848 72.936750 71.624082 72.876091
2020-01-03 00:00:00-05:00 72.099672 72.931916 71.941959 72.167610
2020-01-06 00:00:00-05:00 71.284400 72.781468 71.032056 72.742645
2020-01-07 00:00:00-05:00 72.752348 73.009542 72.179727 72.400528
2020-01-08 00:00:00-05:00 72.102098 73.868497 72.102098 73.565201
... ... ... ... ...
2020-12-23 00:00:00-05:00 129.375520 129.639820 128.024590 128.200806
2020-12-24 00:00:00-05:00 128.553169 130.648080 128.337804 129.189468
2020-12-28 00:00:00-05:00 131.166948 134.446358 130.697051 133.810059
2020-12-29 00:00:00-05:00 135.141404 135.865804 131.509564 132.028397
2020-12-30 00:00:00-05:00 132.723430 133.124795 130.589353 130.902618

                          Volume  Dividends  Stock Splits  

Date
2020-01-02 00:00:00-05:00 135480400 0.0 0.0
2020-01-03 00:00:00-05:00 146322800 0.0 0.0
2020-01-06 00:00:00-05:00 118387200 0.0 0.0
2020-01-07 00:00:00-05:00 108872000 0.0 0.0
2020-01-08 00:00:00-05:00 132079200 0.0 0.0
... ... ... ...
2020-12-23 00:00:00-05:00 88223700 0.0 0.0
2020-12-24 00:00:00-05:00 54930100 0.0 0.0
2020-12-28 00:00:00-05:00 124486200 0.0 0.0
2020-12-29 00:00:00-05:00 121047300 0.0 0.0
2020-12-30 00:00:00-05:00 96452100 0.0 0.0

[252 rows x 7 columns]

Fechamento Ano 2023 Date 2023-01-03 125.070000 2023-01-04 126.360001 2023-01-05 125.019997 2023-01-06 129.619995 2023-01-09 130.149994 ...
2023-12-22 193.600006 2023-12-26 193.050003 2023-12-27 193.149994 2023-12-28 193.580002 2023-12-29 192.529999 Name: Close, Length: 250, dtype: float64

Conclusões

Foram encontrado o valor máximo e o valor mínimo e realisado a média para uma análise mais completa

Ferramentas Utilizadas

• Python: Linguagem de programação utilizada para realizar toda a análise.
• Jupyter Notebook: Ambiente interativo para desenvolvimento e execução do código Python.
• Bibliotecas:
  • yfinance: Coleta de dados históricos de ações.
  • pandas: Manipulação e análise de dados.
  • numpy: Cálculos numéricos.
  • matplotlib: Criação de gráficos.
  • pyautogui, pyperclip, webbrowser: Automação de tarefas e envio de e-mails.

Próximos Passos

• Ampliar o período de análise: Analisar a ação AAPL em um período mais longo.
• Incorporar outras métricas: Utilizar outras métricas financeiras para complementar a análise.
• Comparar com outras ações: Comparar o desempenho da AAPL com outras ações do setor ou do índice S&P 500.
• Criar um modelo preditivo: Desenvolver um modelo para prever os preços futuros da ação.