Crie rapidamente inteligência corporal para análise de ações com a IA da Phidata

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

1. 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
2. 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
3. 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
4. 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

## Libraries

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

## API Keys

import requests

from google.colab import userdata
OPENAI_API_KEY = userdata.get('OPENAI_API_KEY')
ANTHROPIC_API_KEY = userdata.get('ANTHROPIC_API_KEY')

import 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

# Sentiment Analysis Agent

sentiment_agent = Agent(
name="Sentiment Analysis Agent",
role="Search and interpret news articles",
model=OpenAIChat(id="gpt-4o"),
## define the tools for the Agent's use
tools=[GoogleSearch(), YFinanceTools(company_news=True)],
instructions=[
"Find relevant news articles for each company and critically analyze the news sentiment.",
"Provide sentiment scores from 1 (negative) to 10 (positive) with reasoning and sources."
"Cite your sources. Be specific, crtical and provide relevant links."
],
show_tool_calls=True,
markdown=True,
)

Definição de uma inteligência - Exemplo de informações básicas sobre o estoque

# Financial Analyst Agent

basic_stock_agent = Agent(
name="Basic Financial Data Agent",
role="Retrieve basic company financial data and expertly interpret trends and data using a rigourously analytical approach",
model=Claude(id="claude-3-5-sonnet-latest"), ## swapped claude for gpt-4o
## define the tools for the Agent's use
tools=[YFinanceTools(stock_price=True, company_info=True, stock_fundamentals=True, analyst_recommendations=True)],
instructions=[
"Retrieve stock prices, analyst recommendations, and key summary financial data.",
"Focus on company funamentals and trends, presenting the data in tables with key insights."
],
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.

agent_team 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], ## Add more Agents here if desired.
instructions=[
"Combine the expertise of all the agents part of your team to provide a cohesive, highly analytical and well-supported response",
"Always include references and dates for all data points and sources. Your context is current as of [insert date here]"
"Present data in structured tables for clarity, ensuring all conclusions are data-driven."
"Explain the methodlogy and always determine a BUY, SELL, or HOLD recommendation."
],
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(
"Perform a public comparable companies analysis for CALM Cal Maine Foods. Identify it's main competitors and market positioning. Assess each comp in a structrued table format",
stream=True
)

Saída de amostra:

(dados formatados)

### 公共可比公司分析：Cal-Maine Foods (CALM)

#### **公司概览**

| 公司名称 | 股票代码 | 市值 (美元) | 主要业务方向 | 鸡蛋生产重点 |
| ---------------------- | ---------- | ------------- | ---------------- | -------------- |
| Cal-Maine Foods | CALM | $4.96B | 专注于鸡蛋生产 | 核心业务 |
| Post Holdings | POST | $6.66B | 包装食品 | 次要业务 |
| Tyson Foods | TSN | $20.65B | 肉类和食品产品 | 边缘业务线 |
| Vital Farms | VITL | $1.64B | 放养鸡蛋 | 专注细分市场 |
| Seaboard Corporation | SEB | $2.34B | 多元化企业集团 | 边缘业务线 |

#### **财务指标对比**

| 指标 | CALM | POST | TSN | VITL | SEB |
| ----------------------- | -------- | -------- | -------- | -------- | -------- |
| 市盈率 (P/E Ratio) | 11.59 | 16.11 | 13.80 | 31.31 | N/A |
| 每股收益 (EPS) | $8.73 | $5.64 | $2.25 | $1.12 | -$5.30 |
| 收入增长率 (同比) | 71.1% | 波动 | 中等 | 高 | 波动 |
| 毛利率 (Gross Margin) | 28.02% | 15-20% | 12-15% | 25-30% | 波动 |

---

### **Cal-Maine Foods 的竞争地位**

#### **独特优势**

1. 鸡蛋生产市场的领导地位
2. 多元化的产品组合
3. 强大的区域分销网络
4. 专注于特色鸡蛋细分市场
5. 稳健的财务表现

#### **关键差异化特点**

* **品牌** ：Egg-Land's Best, Land O' Lakes, Farmhouse Eggs
* **产品范围** ：传统、有机、散养、放牧鸡蛋
* **地理覆盖** ：西南、东南、中西部、东北和中大西洋地区

---

### **市场建议**

#### **综合评估**

* **Cal-Maine Foods** 是最专注于鸡蛋生产的公司
* 与多元化竞争对手相比，财务指标表现强劲
* 在特色鸡蛋市场细分中有持续增长的潜力

#### **投资建议：** **强烈买入**

* 稳健的基本面
* 市场领导地位
* 适应消费者趋势的能力
* 相较于同业估值具有吸引力

---

**注意** ：以上分析基于当前市场数据，可能会随市场变化而调整。在做出投资决策之前，请始终进行个人尽职调查。

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.