-
Notifications
You must be signed in to change notification settings - Fork 0
/
Valores_Ativos.py
207 lines (174 loc) · 9.36 KB
/
Valores_Ativos.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
# Gabriel Prieto Paris
# 21/06/2022
from locale import normalize
from os import sep
import pandas as pd
from sklearn import metrics
import numpy as np
import matplotlib.pyplot as plt
from pathlib import Path
from sklearn.linear_model import LinearRegression
from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix, accuracy_score
from datetime import datetime
from sklearn.tree import ExtraTreeRegressor
# Esse programa tem como objetivo encontrar os 10 melhores ativos para investir.
# Realiza-se uma regressão linear nos dados coletados dos features em função do tempo, encontrando a reta que mais se aproxima da curva feita por esses dados.
# depois realiza-se uma regressão linear dos preços coletados em função das features, encontrando a reta mais próxima da curva dos preços. Assim essa reta é extrapolada para os dias futuros aos da medição.
# Por fim, calcula-se os rendimentos em porcentagem do dia 21/06/2021 até o dia 21/06/2022, rankeando-os.
# LER ARQUIVO CSV
arquivo = pd.read_csv(r'C:\Users\gabri_7fr\Desktop\Exercicio Sarpen\exercise_data.csv', sep=',')
# print(arquivo.head())
# VETOR COM O NOME DO ATIVO EM ORDEM CRESCENTE
id_ativo = sorted(set(arquivo["id"]))
# print(id_ativo)
# # DESCOMENTAR PARA SALVAR NOVOS ARQUIVOS
# # SEPARANDO OS DADOS DE CADA ATIVO EM ARQUIVOS CSV SEPARADAMENTE
# for i in id_ativo:
# ativo = arquivo[arquivo["id"]==i]
# # print(ativo)
# ativo.to_csv(r'C:\Users\gabri_7fr\Desktop\Exercicio Sarpen\Ativos\out-{}.csv'.format(i), index=False)
kk = -1
rend = np.zeros((len(id_ativo),1))
for k in id_ativo:
kk = kk+1
# LENDO O ARQUIVO DE CADA ATIVO
tabela = pd.read_csv(r'C:\Users\gabri_7fr\Desktop\Exercicio Sarpen\Ativos\out-{}.csv'.format(k), sep=',').fillna(0)
# Retirando dados que tenham poucos pontos para análise, pois tem pouca precisão
if len(tabela)<15:
continue
print(k)
dias = tabela["date"]
# print(dias)
# VETOR COM OS DIAS CORRIDOS
t = np.zeros((len(dias),1))
d1 = datetime.strptime(dias.loc[0], '%Y-%m-%d')
for i in range(len(dias)):
d2 = datetime.strptime(dias.loc[i], '%Y-%m-%d')
t[i,0] = abs((d2 - d1).days)
# print(t)
# QUANTIDADE DE DIAS ATÉ A DATA 21/06/2022
hoje = datetime.strptime('2022-06-21', '%Y-%m-%d')
quantidade_dias = abs((hoje - d1).days)+1
# print(quantidade_dias)
futuro = np.arange(start=0,stop=quantidade_dias) # Vetor de tempo desde de o ínicio da coleta de dados
# NORMALIZAÇÃO DOS VALORES
del tabela["id"]
del tabela["date"]
tabela_norm = (tabela-tabela.mean())/tabela.std()
# print(tabela_norm)
# SEPARANDO ARGUMENTOS (X) DO QUE QUEREMOS CALCULAR (Y)
x = tabela[['feature 1','feature 2', 'feature 3', 'feature 4', 'feature 5']]
y = tabela['price']
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=0) # Separando 20% dos pontos para teste
# print(x_train)
# print(x_test)
# REALIZANDO A REGRESSÃO
regressor = LinearRegression().fit(x_train,y_train) # treino com valores normalizados por default, já que tem unidades diferentes/desconhecidas
# print(regressor.coef_) # Coeficientes da equação price = c1*feature1 + c2*feature2 + c3*feature3 + c4*feature4 + c5*feature5 + constante
# print(regressor.intercept_)
predicted = regressor.predict(x_test) # Valores de teste
df = pd.DataFrame(y_test, predicted)
dfr = pd.DataFrame({'Price':y_test, 'Previsto':predicted})
# print(dfr) # Tabela de teste
# NOVO DATAFRAME COM DIAS CORRIDOS SUBISTITUINDO A DATA DO ANO
tabela.insert(0, 'Dias corridos', t)
# print(tabela)
# REGRESSÃO EM ÁRVORE DO FEATURE 1
x1 = tabela['Dias corridos']
y1 = tabela['feature 1']
x_train_1, x_test_1, y_train_1, y_test_1 = train_test_split(t, y1, test_size=0.2, random_state=0) # Separando 20% dos pontos para teste
regressor_1 = LinearRegression().fit(x_train_1.reshape(-1,1),y_train_1)
predicted_1 = regressor_1.predict(x_test_1) # Valores de teste
# df1 = pd.DataFrame(y_test_1, predicted_1)
# dfr1 = pd.DataFrame({'feature 1':y_test_1, 'Previsto':predicted_1})
# print(dfr1) # Tabela de teste
feature1 = regressor_1.predict(futuro.reshape(-1, 1))
# REGRESSÃO EM ÁRVORE DO FEATURE 2
x2 = tabela['Dias corridos']
y2 = tabela['feature 2']
x_train_2, x_test_2, y_train_2, y_test_2 = train_test_split(t, y2, test_size=0.2, random_state=0) # Separando 20% dos pontos para teste
regressor_2 = LinearRegression().fit(x_train_2.reshape(-1,1),y_train_2)
predicted_2 = regressor_2.predict(x_test_2) # Valores de teste
# df2 = pd.DataFrame(y_test_2, predicted_2)
# dfr2 = pd.DataFrame({'feature 2':y_test_2, 'Previsto':predicted_2})
# print(dfr2) # Tabela de teste
feature2 = regressor_2.predict(futuro.reshape(-1, 1))
# REGRESSÃO EM ÁRVORE DO FEATURE 3
x3 = tabela['Dias corridos']
y3 = tabela['feature 3']
x_train_3, x_test_3, y_train_3, y_test_3 = train_test_split(t, y3, test_size=0.2, random_state=0) # Separando 20% dos pontos para teste
regressor_3 = LinearRegression().fit(x_train_3.reshape(-1,1),y_train_3)
predicted_3 = regressor_3.predict(x_test_3) # Valores de teste
# df3 = pd.DataFrame(y_test_3, predicted_3)
# dfr3 = pd.DataFrame({'feature 3':y_test_3, 'Previsto':predicted_3})
# print(dfr3) # Tabela de teste
feature3 = regressor_3.predict(futuro.reshape(-1, 1))
# REGRESSÃO EM ÁRVORE DO FEATURE 4
x4 = tabela['Dias corridos']
y4 = tabela['feature 4']
x_train_4, x_test_4, y_train_4, y_test_4 = train_test_split(t, y4, test_size=0.2, random_state=0) # Separando 20% dos pontos para teste
regressor_4 = LinearRegression().fit(x_train_4.reshape(-1,1),y_train_4)
predicted_4 = regressor_4.predict(x_test_4) # Valores de teste
# df4 = pd.DataFrame(y_test_4, predicted_4)
# dfr4 = pd.DataFrame({'feature 4':y_test_4, 'Previsto':predicted_4})
# print(dfr4) # Tabela de teste
feature4 = regressor_4.predict(futuro.reshape(-1, 1))
# REGRESSÃO EM ÁRVORE DO FEATURE 5
x5 = tabela['Dias corridos']
y5 = tabela['feature 5']
x_train_5, x_test_5, y_train_5, y_test_5 = train_test_split(t, y5, test_size=0.2, random_state=0) # Separando 20% dos pontos para teste
regressor_5 = LinearRegression().fit(x_train_5.reshape(-1,1),y_train_5)
predicted_5 = regressor_5.predict(x_test_5) # Valores de teste
# df5 = pd.DataFrame(y_test_5, predicted_5)
# dfr5 = pd.DataFrame({'feature 5':y_test_5, 'Previsto':predicted_5})
# print(dfr5) # Tabela de teste
feature5 = regressor_5.predict(futuro.reshape(-1, 1))
# DATA FRAME COM TODOS OS RESULTADOS DO MODELO
tabela_completa = pd.DataFrame({'feature 1':feature1,'feature 2':feature2,'feature 3':feature3,'feature 4':feature4,'feature 5':feature5})
future_price = regressor.predict(tabela_completa)
date_list = pd.date_range(start=dias.loc[0], periods=quantidade_dias)
tabela_completa.insert(0, 'date', date_list)
tabela_completa.insert(6, 'Price', future_price)
# print(tabela_completa)
# # DESCOMENTAR PARA SALVAR NOVOS ARQUIVOS
# tabela_completa.to_csv(r'C:\Users\gabri_7fr\Desktop\Exercicio Sarpen\Ativos\Tabelas Completas\tabela_completa-{}.csv'.format(k), index=False)
# CÁLCULO DOS RENDIMENTOS EM PORCENTAGEM PARA CADA ATIVO
compra = tabela_completa[tabela_completa['date']=='2021-06-21']
venda = tabela_completa[tabela_completa['date']=='2022-06-21']
rend[kk,0] = ((venda['Price'].to_numpy()-compra['Price'].to_numpy())/abs(compra['Price'].to_numpy()))*100 # Rendimento em porcentagem, para poder comparar todos os ativos... valores absolutos no denominador para evitar mudança de sinal
# print(rend)
# print(rend.shape)
rendimentos = pd.DataFrame({'ID':id_ativo})
rendimentos.insert(1, 'Rendimentos [%]', rend)
r = rendimentos.sort_values(by='Rendimentos [%]', ascending=False)
# r.to_csv(r'C:\Users\gabri_7fr\Desktop\Exercicio Sarpen\Ativos\Rendimentos\rendimentos.csv', index=False)
# print(r)
melhores = r.head(10)
print('Rendimento em porcentagem dos 10 melhores ativos para investir (Rendimento considerado de 21/06/2021 a 21/06/2022)')
print(melhores)
id_melhores = melhores["ID"]
# fig1,axs = plt.subplots(2,5)
# for m in range(2):
# for n in range(5):
# df_real = pd.read_csv(r'C:\Users\gabri_7fr\Desktop\Exercicio Sarpen\Ativos\out-{}.csv'.format(812), sep=',')
# df_regre = pd.read_csv(r'C:\Users\gabri_7fr\Desktop\Exercicio Sarpen\Ativos\Tabelas Completas\tabela_completa-{}.csv'.format(812), sep=',')
# df_real.cumsum()
# df_regre.cumsum()
# axs[m, n],plt.scatter(df_real['date'],df_real['price'],color='red')
# axs[m, n],plt.plot(df_regre['date'],df_regre['Price'])
# plt.show()
# fig = plt.subplot()
# df_real = pd.read_csv(r'C:\Users\gabri_7fr\Desktop\Exercicio Sarpen\Ativos\out-{}.csv'.format(812), sep=',')
# df_regre = pd.read_csv(r'C:\Users\gabri_7fr\Desktop\Exercicio Sarpen\Ativos\Tabelas Completas\tabela_completa-{}.csv'.format(812), sep=',')
# df_real.cumsum()
# df_regre.cumsum()
# plt.scatter(df_real['date'],df_real['price'],color='red')
# plt.scatter(df_regre['date'],df_regre['Price'])
# plt.show()
# for ax in axis.flat:
# axs.set(xlabel="Date",
# ylabel="Price",
# title="Preço do ativo ao longo do tempo",
# xlim=[df_real["date"].loc[0], df_real["date"].iloc[-1]])