A biblioteca comparar_fundos_br possui uma série de funções que permitem:
- Capturar dados diários de fundos de investimento;
- Filtrar fundos por classe CVM (ex Fundos de Ações, Fundos de Renda Fixa, etc);
- Calcular risco (volatilidade) e retorno dos fundos;
- Cálculo de rentabilidade no período selecionado, rentabilidade diária, rentabilidade acumulada, rentabilidade anualizada;
- Filtrar fundos por CNPJ ou por nome (ex: fundos que contenham a palavra Bradesco);
- Comparar fundos com benchmarks como: CDI, Índice Bovespa, IMA-B, IMA-B 5 e IMA-B 5+;
- Comparar fundos com sua carteira de investimentos;
- Plotar gráficos de comparação e evolução dos fundos em período específico juntamente com seus benchmarks.
pip install comparar_fundos_brCaso necessite utilizar proxy, inicie com o código abaixo:
import getpass
user = getpass.getuser().lower()
pwd = getpass.getpass(prompt="Senha: ")
proxy = "10.10.1.10"
porta = 3128
proxies = {
"http": f"http://{user}:{pwd}@{proxy}:{porta}",
"https": f"http://{user}:{pwd}@{proxy}:{porta}",
}Veja a seguir um exemplo para capturar dados dos Fundos de Investimento com seus respectivos filtros.
import comparar_fundos_br as comp
informe_diario_fundos_historico = comp.get_brfunds(anos=range(2021,2022), #somente 2021
meses=range(1,3), #somente Jan e Fev
classe="Fundo de Ações",
num_minimo_cotistas=10,
patriminio_liquido_minimo=1e6,
proxy=proxies)
informe_diario_fundos_historico.head()| DT_COMPTC | CNPJ - Nome | CLASSE | VL_QUOTA | NR_COTST | VL_PATRIM_LIQ |
|:-----------|:-------------------------------------------------:|----------------:|------------:|----------:|----------------:|
| 2022-01-03 | 28.144.770/0001-27 // SAFRA FARADAY AÇÕES FUND... | Fundo de Ações | 147.689974 | 7144 | 1085967556.96 |
| 2022-01-03 | 28.122.142/0001-40 // XP INVESTOR IBOVESPA ATI... | Fundo de Ações | 1.402952 | 7401 | 59237924.90 |
| 2022-01-03 | 28.098.599/0001-67 // HAWK FUNDO DE INVESTIMEN... | Fundo de Ações | 1.963080 | 12 | 94788040.60 |
| 2022-01-03 | 28.076.506/0001-01 // CSHG ALLOCATION EQUITAS ... | Fundo de Ações | 1.099504 | 78 | 24340094.17 |
| 2022-01-03 | 28.075.715/0001-22 // CSHG ALLOCATION MILES VI... | Fundo de Ações | 1.577636 | 107 | 148464847.88 |
Importante ressaltar que todos os Fundos que são retornados possuem SIT ou situação CVM como "EM FUNCIONAMENTO NORMAL".
Se desejar capturar todas as classes de fundos, basta não restringir a variável classe. No exemplo seguinte, também não há restrições sobre fundos com número de cotistas, tampouco sobre o patrimônio líquido. Nesse exemplo, não está sendo utilizada a configuração da proxy.
informe_diario_fundos_historico = comp.get_brfunds(anos=range(2021,2022), #somente 2021
meses=range(1,3), #somente Jan e Fev)O exemplo acima demora mais para ser executado, uma vez que obtém todos os Fundos dentro do período selecionado. Caso deseje, por exemplo, apenas algunas classes de Fundos, como: Fundos de Ações e de Renda Fixa, siga o exemplo abaixo.
Também é possível consultar os tipos de classe disponíveis.
informe_diario_fundos_historico = comp.get_brfunds(anos=range(2021,2022), #somente 2021
meses=range(1,3), #somente Jan e Fev,
classe=["Fundo de Renda Fixa","Fundo de Ações"])
#Para obter as classes disponíveis:
comp.get_classes()Para obter o retorno dos Fundos, chame a função calcula_rentabilidade_fundos passando os dados dos fundos que acabou de obter.
( risco_retorno,
cotas_normalizadas,
rentabilidade_media_anualizada,
rentabilidade_acumulada_por_ano,
rentabilidade_fundos_total,
) = comp.calcula_rentabilidade_fundos(informe_diario_fundos_historico)O primeiro dataframe indica tanto o risco (volatidade padrão) de cada fundo, por CNPJ, quanto sua rentabilidade, ambos anualizados. Já o segundo dataframe retorna o valor das cotas dos fundos normalizadas no período selecionado, o que facilita para comparação (veja a seguir nos gráficos).
Os demais dataframes retornam as rentabilidades média anualizada, acumulada por ano e a rentabilidade total no período, respectivamente.
A forma mais eficiente para comparar o desempenho dos Fundos é usando gráficos. Você pode plotar o risco x retorno dos Fundos e comparar com seu benchmark ou sua carteira de investimentos. Aqui não vamos calcular pra você a rentabilidade da sua carteira, apenas usar esse dado para comparar com os fundos selecionados. Veja o exemplo:
df4 = risco_retorno[
(risco_retorno["volatilidade"] <= 40)
& (risco_retorno["rentabilidade"] >= 0)
& (risco_retorno["rentabilidade"] <= 100)
]
comp.plotar_comparacao_risco_retorno(
df4,
(21, 18), #(risco, retorno) da minha carteira
(19, 15), #(risco, retorno) do benchmark
nome_carteira="Minha Carteira",
nome_benchmark="Benchmark",
figsize=(15, 5),
posicao_texto_carteira=(30, 25),
posicao_texto_benchmark=(31, -25),
)
plt.title("Risco x Retorno - Fundos de Ações")
plt.ylim(-10, 140)
plt.xlim(-3, 60)
plt.show()
Uma outra forma de comparação é utilizando as cotas iniciando em um valor inicial de 100, arbitrário. Assim a comparação fica facilitada.
A função plotar_evolucao encontra os Fundos tanto por CNPJ quanto por Nome, ou seja, se deseja obter todos os Fundos que possuam Bradesco no Nome, basta informa na variável lista_fundos=["Bradesco"].
Para facilitar a comparação, você pode personalizar o gráfico para destacar o melhor e o pior Fundo, além de plotar o seu benchmark.
Os benchmarks disponíveis são: CDI, IMA-B, IMA-B 5, IMA-B 5+, Ibovespa e Ações diversas listadas na B3.
cdi, cdi_acumulado = comp.get_benchmark("2022-01-01",
"2022-07-22",
benchmark = "cdi",
proxy=proxies)
data = comp.plotar_evolucao(
cotas_normalizadas,
lista_fundos=["03.916.081/0001-62","06.916.384/0001-73"],
figsize=(15, 5),
color="darkblue",
alpha=0.8
)
plt.title("Evolução dos Fundos")
plt.plot(cdi_acumulado*100, label="CDI")
plt.legend(frameon=False, loc="center right")
plt.show()
indice_ibov, indice_ibov_acumulado = comp.get_benchmark("2022-01-01",
"2022-07-25",
benchmark = "ibov",
proxy=proxies)
data = comp.plotar_evolucao(
cotas_normalizadas,
lista_fundos=["Bradesco"],
figsize=(15, 5),
color="gray",
alpha=0.2,
color_maximo="orange",
color_minimo="blue",
color_seta_maximo="orange",
color_seta_minimo="blue",
posicao_texto_maximo=(-100, -45),
posicao_texto_minimo=(-100, 40),
)
plt.title("Evolução dos Fundos que contenham Bradesco no nome")
plt.plot(indice_ibov_acumulado*100, label="Ibovespa", color="red", lw=3)
plt.legend(frameon=False, loc="upper center")
plt.show()
Ainda é possível listar os Fundos de maior e pior desempenho:
melhores = data.iloc[-1:].T.dropna().sort_values(data.index[-1], ascending=False)
melhores.columns = ["Evolução"]
melhores = melhores.reset_index()
melhores[['CNPJ', 'DENOM SOCIAL']] = melhores['CNPJ - Nome'].str.split(' // ', 1, expand=True)
melhores = melhores.drop('CNPJ - Nome', axis=1)
melhores.head()| Evolução | CNPJ | DENOM SOCIAL |
|:-----------|:------------------:|-----------------------------------------------------:|
| 172.542213 | 10.590.125/0001-72 | BRADESCO FUNDO DE INVESTIMENTO EM AÇÕES CIELO |
| 127.689792 | 03.916.081/0001-62 | BRADESCO FUNDO DE INVESTIMENTO EM AÇÕES PETROBRAS |
| 127.658068 | 03.922.006/0001-04 | BRADESCO H FUNDO DE INVESTIMENTO AÇÕES PETROBRAS |
| 127.449134 | 17.489.100/0001-26 | BRADESCO FUNDO DE INVESTIMENTO EM AÇÕES BB SEG... |
| 127.296598 | 11.504.894/0001-73 | BRADESCO FUNDO DE INVESTIMENTO EM AÇÕES - PETR... |
Também há a possibilidade de listar os piores e melhores Fundos em termos de risco e retorno:
melhores_fundos, piores_fundos = comp.melhores_e_piores_fundos(rentabilidade_fundos_total, num=10)
fundos_maior_risco, fundos_menor_risco = comp.melhores_e_piores_fundos(risco_retorno[["volatilidade"]], num=10)Para Fundos de Participação (FIPs) e Fundos de Direitos Creditórios (FIDCs), a sistemática é diferente. Enquanto os FIPs tem seus resultados divulgados trimestralmente, os FIDCs são mensalmente divulgados. Assim, para obte-los, basta codar:
#Informe apenas o ano para obter os dados de FIPs disponíveis
fip = comp.get_fip(2022)
#Para FIDCs informe ano e mês
informe_fidcs_all = pd.DataFrame()
for ano in [2020, 2021]:
for mes in range(1, 13):
print(f"Data {mes}/{ano}")
informe_fidcs = comp.get_fidc(ano, mes)
if not informe_fidcs.empty:
informe_fidcs_all = pd.concat([informe_fidcs_all, informe_fidcs])