A sobrecarga de informações na pesquisa de ações é real
Um desafio comum ao avaliar o valor de uma ação é: lidar com uma grande quantidade de informações de várias fontes para tomar uma decisão de investimento informada.
Os métodos tradicionais incluem:
- Coletar dados financeiros de várias plataformas.
- Leia vários relatórios, notícias e outros artigos.
- Criar e manter modelos complexos de planilhas.
- Sintetize essas informações em conteúdo acionável.
A manutenção e o gerenciamento de todos esses insumos ao mesmo tempo geralmente têm a seguinte aparência:
A IA é conhecida por ser a solução mais viável para lidar com grandes conjuntos de dados de forma fácil e eficiente.
No entanto, a maioria dos modelos de linguagem grande (LLMs) disponíveis publicamente ainda não consegue realizar análises detalhadas e aprofundadas de dados de ações em tempo real com grande precisão.
- ChatGPT responder cantando Claude Há uma data-limite contextual.
- Perplexidade Ideal para informações em tempo real, mas limitado em termos de tarefas de análise.
- As pesquisas do ChatGPT continuam insatisfatórias.
Para pesquisas detalhadas e análises de ações, precisamos de algo mais preciso e que funcione bem com conjuntos de dados estruturados.
De fato, e se pudéssemos combinar tudo? E se pudéssemos utilizar inteligências de IA para navegar por notícias, pesquisas no Google, conjuntos de dados financeiros e tarefas de codificação, tudo em um único sistema?
Um excelente e sempre ativo analista de ações.
Ir para AI Intelligent Body Solutions
Para resolver isso, desenvolvi um sistema que coordena várias inteligências de IA especializadas, cada uma lidando com aspectos específicos da análise de ações.
Equipe do Intelligent Body
- Inteligência de análise de sentimento (GPT-4o)
- Manuseio de notícias e sentimento do mercado
- Use a pesquisa do Google para reunir desenvolvimentos recentes
- Fornece pontuações de sentimento e análise de tendências
- Inteligência em análise financeira (Claude 3.5)
- Inteligências diferentes para dados básicos de ações e dados históricos
- Analisar as finanças e os indicadores da empresa
- Realizar cálculos de avaliação (DCF, empresas comparáveis publicamente, análise fundamental)
- Avaliação dos principais indicadores de desempenho
- Inteligência analítica quantitativa (Claude 3.5 Soneto ou Haiku)
- Executar código Python para análise técnica
- Processamento de grandes conjuntos de dados e resultados de outras inteligências
- Gerar visualizações e percepções estatísticas
- Inteligência do executivo/gerente de portfólio (Soneto ou Haiku de Claude 3.5)
- Atua como um gerente de portfólio, com o objetivo de sintetizar dados com roteamento opcional.
- Agregar todas as informações coletadas por outras inteligências instrumentais e fornecer recomendações de compra, venda ou manutenção
Phidata: o construtor de corpos inteligente
Phidata é uma estrutura para inteligências de IA que permite aos desenvolvedores:
- Desenvolvendo a inteligência com memória, conhecimento e conexões externas
- Criar equipes de inteligências que possam trabalhar juntas
- Monitorar, avaliar e otimizar as inteligências
Eles também oferecem uma interface de usuário intuitiva e fácil de usar para as inteligências, e os usuários podem testar as inteligências em um ambiente sandbox.
O Phidata nos permite integrar várias ferramentas poderosas imediatamente:
- API do Yahoo Finance para dados de preços em tempo real e dados financeiros históricos
- Pesquisa no Google para notícias e análise de sentimentos
- Ferramentas Python para execução de código orientado por IA e análise quantitativa (use com cautela)
- Funções quantitativas personalizadas para processamento e visualização de dados (opcional)
- Observação: As inteligências de execução de código exigem controle rígido e engenharia imediata rigorosa
- As inteligências de código podem encontrar vários erros, como funções recursivas ou salvar e ler arquivos
introdução (um assunto)
Quer experimentar você mesmo? O código completo está disponível em Caderno de anotações do Google ColabEncontrado em.
Você precisará de:
- OpenAI e Antrópica Chave de API (usamos modelos diferentes para inteligências diferentes, mas você pode optar por um fluxo de trabalho mais unificado)
- Estrutura Phidata instalada
- Alguns conhecimentos básicos de Python para estudos posteriores
Pacotes necessários
!pip install phidata openai anthropic yfinance googlesearch-python pycountry -q
Instanciando bibliotecas e chaves de API
Bibliotecas ##
from phi.agent.import Agent
from phi.model.openai import OpenAIChat
from phi.model.anthropic import Claude
from phi.tools.yfinance import YFinanceTools
from phi.tools.googlesearch import GoogleSearch
Chaves de API do ##
importar solicitações
from google.colab import userdata
OPENAI_API_KEY = userdata.get('OPENAI_API_KEY')
ANTHROPIC_API_KEY = userdata.get('ANTHROPIC_API_KEY')
importar os
os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY
os.environ["ANTHROPIC_API_KEY"] = ANTHROPIC_API_KEY
Definição de uma inteligência - Exemplo de análise de sentimento
Agente de análise de sentimentos # sentiment_agent = Agente( name="Agente de análise de sentimento", name="Agente de análise de sentimento", role="Pesquisar e interpretar artigos de notícias", model=OpenAIChat(id="gpt-4o"), ## defina as ferramentas para uso do agente tools=[GoogleSearch(), YFinanceTools(company_news=True)], instructions=[[GoogleSearch(), YFinanceTools(company_news=True)], ## instructions=[ "Forneça pontuações de sentimento de 1 (negativo) a 10 (positivo) com raciocínio e fontes.", "Cite suas fontes. "Cite suas fontes, seja específico, crítico e forneça links relevantes." ]," "Show_tool_calls Seja específico, crítico e forneça links relevantes."], show_tool_calls=True, show_tool_calls=True, markdown=True, ) )
Definição de uma inteligência - Exemplo de informações básicas sobre o estoque
# Agente analista financeiro basic_stock_agent = Agent( name="Agente de dados financeiros básicos", role="Recuperar dados financeiros básicos da empresa e interpretar tendências e dados de forma competente usando uma abordagem rigorosamente analítica", model=Claude(id="claude-3-5-sonnet-latest", 1 model=Claude(id="claude-3-5-sonnet-latest"), ## trocou claude por gpt-4o ## defina as ferramentas para uso do agente tools=[YFinanceTools(stock_price=True, company_info=True, stock_fundamentals=True, analyst_recommendations=True)], instructions=[ "Recuperar preços de ações, recomendações de analistas e principais dados financeiros resumidos", "Concentre-se nos fundamentos e tendências da empresa, apresentando os dados em tabelas com os principais insights." ], show_tool_calls=True, show_tool_calls=True, markdown=True, ) )
Os usuários têm a opção de adicionar mais inteligências com base em suas necessidades exclusivas, incluindo inteligências visuais e outros formatos
Formando sua equipe de corpo inteligente
Com apenas algumas linhas de código, podemos criar um poderoso sistema de inteligência múltipla com funções específicas que podem colaborar para analisar ações.
equipe_de_agentes Atuar como um condutor, selecionando o fluxo de trabalho correto de inteligências e garantindo que cada uma contribua com seus insights e que o resultado final seja bem estruturado, orientado por dados e fácil de entender
agent_team = Agent( model=Claude(id="claude-3-5-sonnet-latest"), team=[sentiment_agent, basic_stock_agent], ## Adicione mais agentes aqui, se desejar. team=[sentiment_agent, basic_stock_agent], ## Adicione mais agentes aqui, se desejar. instructions=[ "Combine a experiência de todos os agentes que fazem parte da sua equipe para fornecer uma resposta coesa, altamente analítica e bem fundamentada", "Sempre inclua referências e datas para", "e "o nome da equipe". "Sempre inclua referências e datas para todos os pontos e fontes de dados. Seu contexto é atual a partir de [insira a data aqui]" "Apresente os dados em tabelas estruturadas para maior clareza, garantindo que todas as conclusões sejam baseadas em dados." "Explique a metodologia e a metodologia. "Explique a metodologia e sempre determine uma recomendação de COMPRA, VENDA ou MANUTENÇÃO." ] show_tool_calls=True, show_tool_calls=True, markdown=True, ) )
Comece a conversar com sua equipe de inteligências 🤖
Agora você está pronto para começar a consultar sua equipe Smartbody! Veja como são os exemplos de prompts e resultados:
Exemplo de dica:
agent_team.print_response( "Realize uma análise de empresas comparáveis públicas para a CALM Cal Maine Foods. Identifique seus principais concorrentes e seu posicionamento no mercado. Avalie cada concorrente em um formato de tabela estruturada". Avalie cada empresa comparável em um formato de tabela estruturada", stream=True )
Saída de amostra:
(dados formatados)
### Análise de empresas públicas comparáveis: Cal-Maine Foods (CALM) ##### **Visão geral da empresa** | Nome da empresa | Símbolo da ação | Capitalização de mercado ($) | Direção principal do negócio | Foco na produção de ovos | ---------------------- | ---------- | ------------- | ---------------- | -------------- | | Cal-Maine Foods | CALM | $4.96B | Foco na produção de ovos | Negócio principal | Post Holdings | POST | $6.66B | Alimentos embalados | Negócios secundários | Tyson Foods | TSN | $20.65B | Carnes e produtos alimentícios | Linhas de negócios marginais | Vital Farms | VITL | $1.64B | Ovos caipiras | Segmentos focados | Seaboard Corporation | SEB | $2.34B | Conglomerados diversificados | Linhas de negócios de ponta ##### **Métricas financeiras comparativas** | Métricas | CALM | POST | TSN | VITL | SEB | | ----------------------- | -------- | -------- | -------- | -------- | -------- | -------- | -------- | | Relação Preço/Lucro (Relação P/E) | 11,59 | 16,11 | 13,80 | 31,31 | N/A | | Lucro por ação (EPS) | $8.73 | $5.64 | $2.25 | $1.12 | -$5.30 | Crescimento da receita (YoY) | $5.30 | $2.25 | $1.12 | -$5.30 | Crescimento da receita (anual) | 71,1% | Volatilidade | Média | Alta | Volatilidade | Margem bruta (margem bruta) Margem bruta (margem bruta) | 28.02% | 15-20% | 12-15% | 25-30% | Volatilidade | Média | Alta | Volatilidade --- ### **Posição competitiva da Cal-Maine Foods** ##### **Vantagens exclusivas** 1. liderança de mercado na produção de ovos 2. portfólio diversificado de produtos 3. forte rede de distribuição regional 4. foco em segmentos de ovos especiais 5. sólido desempenho financeiro ##### **Principais características de diferenciação** * Marcas** : Egg-Land's Best, Land O' Lakes, Farmhouse Eggs * Variedade de produtos** : Convencionais, orgânicos, criados soltos, ovos de pasto * Cobertura geográfica**: regiões sudoeste, sudeste, centro-oeste, nordeste e meio-atlântico --- ### **Recomendações de marketing** ##### **Avaliação abrangente** * A Cal-Maine Foods é a mais focada na produção de ovos * Sólidas métricas financeiras em comparação com concorrentes diversificados * Potencial de crescimento contínuo no segmento de mercado de ovos especiais ##### **RECOMENDAÇÃO DE INVESTIMENTO:** **Compra Forte** * Fundamentos sólidos * Posição de liderança no mercado * Capacidade de adaptação às tendências de consumo * Avaliação atraente em relação a seus pares --- **Nota** : As análises acima se baseiam em dados atuais do mercado e podem ser ajustadas conforme as mudanças no mercado. Sempre faça a devida diligência pessoal antes de tomar decisões de investimento.
É isso aí. Você está criando seu analista pessoal de ações para ajudá-lo a aprimorar seu processo de investimento.
Resultados no mundo real
O teste do sistema em várias ações mostrou resultados promissores:
- Redução de custosA necessidade de várias assinaturas de bancos de dados financeiros pode ser eliminada pela agregação automática de dados
- Eficiência da pesquisaReduz o tempo gasto com pesquisa de ações e pode lidar com várias empresas ao mesmo tempo, expandindo assim a cobertura sem aumentar o número de funcionários
- Análise competitivaGerar rapidamente comparações entre pares e posicionamento no setor
- Análise financeiraReduz a dependência de analistas juniores para a coleta de dados, permitindo que eles se concentrem em análises de maior valor
- Suporte a vários modelosInsira os modelos Claude, GPT, Groq, HF ou qualquer outro provedor de LLM que melhor atenda às suas necessidades!
⚠️ Limitações
Embora poderoso, o sistema ainda tem algumas limitações:
- Capacidade limitada de analisar dados além da data limite de treinamento do LLM
- Dependência de APIs externas para qualidade e disponibilidade de dados
- Custos computacionais mais altos ao usar outras ferramentas e inteligências
- Precisa de dicas precisas sobre engenharia
- Decisões complexas ainda exigem supervisão humana
🛠️ Aprimoramentos em potencial
Os aprimoramentos futuros podem incluir:
- Outras fontes de dados e APIs
- Comunicação interinteligência mais complexa
- Visualização e execução de código aprimoradas
- Modelos de aprendizado de máquina para reconhecimento de padrões
chegar a um veredicto
Esse sistema de inteligência múltipla é um importante passo à frente na automatização da análise financeira e é gratuito para todos. Ao combinar os pontos fortes de diferentes modelos e ferramentas de IA, podemos criar fluxos de trabalho analíticos mais poderosos e abrangentes.
Lembre-se: embora a IA possa aprimorar muito nossas capacidades analíticas, ela deve ser usada como complemento, e não como substituto, do julgamento humano na tomada de decisões de investimento.
Isenção de responsabilidade: esta postagem tem fins exclusivamente educacionais e não deve ser considerada uma orientação financeira. Sempre faça sua própria pesquisa antes de tomar decisões de investimento.
Português do Brasil 
简体中文 
English 
日本語 
Deutsch (Sie)