Markowitz Backtest Interactive

Aplicação interativa para otimização de portfólio baseada no modelo de Markowitz, com funcionalidades de backtesting e geração de relatórios.

Exemplo de Relatório Gerado

O sistema gera relatórios detalhados em PDF com as análises do portfólio:

Para visualizar o relatório completo: Baixar exemplo de relatório PDF

O relatório inclui análises detalhadas de desempenho, gráficos de retorno acumulado, matriz de correlação, e métricas de risco do portfólio otimizado.

Descrição

Esta aplicação permite:

• Selecionar fundos de investimento para compor um portfólio
• Visualizar a fronteira eficiente de Markowitz
• Selecionar portfólios ótimos na fronteira eficiente
• Realizar backtesting do portfólio selecionado
• Analisar métricas de desempenho (retorno, volatilidade, Sharpe, drawdown)
• Visualizar a matriz de correlação entre os ativos
• Gerar relatórios em PDF com os resultados da análise

Requisitos

• Python 3.8+
• Bibliotecas listadas em requirements.txt
• Arquivos de dados no formato correto (veja a seção "Dados Necessários")

Instalação

Opção 1: Instalação via pip

1. Clone este repositório:

   git clone https://github.com/brunogaliati/markowitz_backtest.git
   cd markowitz_backtest
   

2. Crie e ative um ambiente virtual:

   python -m venv venv
   venv\Scripts\activate  # Windows
   source venv/bin/activate  # Linux/Mac
   

3. Instale as dependências:

   pip install -r requirements.txt
   

Opção 2: Executável para Windows

Baixe o executável mais recente da página de releases e execute-o diretamente.

Uso

Executando a aplicação

python main.py

Acesse a aplicação em seu navegador: http://localhost:8051

Fluxo de trabalho típico

1. Selecione os fundos de investimento desejados no dropdown
2. Configure os parâmetros de otimização:
   • Número de portfólios a simular
   • Taxa livre de risco (%)
   • Limite de alocação por ativo (%)
3. Clique em "Executar Otimização"
4. Visualize a fronteira eficiente e a matriz de correlação
5. Clique em um ponto da fronteira eficiente para selecionar um portfólio
6. Clique em "Executar Backtest" para analisar o desempenho histórico
7. Analise os resultados e métricas de desempenho
8. Gere um relatório PDF com os resultados

Dados Necessários

A aplicação requer três arquivos CSV na pasta data/:

1. cadastro.csv - Cadastro dos fundos com colunas:

   • Codigo: código identificador do fundo
   • Nome: nome do fundo

2. cotas.csv - Histórico de cotas dos fundos com colunas:

   • Codigo: código identificador do fundo
   • Data: data da cota (formato YYYY-MM-DD)
   • Cota: valor da cota

3. cdi.csv - Histórico do CDI (benchmark) com colunas:

   • Data: data (formato YYYY-MM-DD)
   • CDI: valor do CDI diário

Nota importante: Os arquivos de dados (cadastro.csv, cdi.csv e especialmente cotas.csv) não estão incluídos neste repositório devido ao seu tamanho. O arquivo cotas.csv tem aproximadamente 61MB, excedendo os limites do GitHub para arquivos regulares. Para usar esta aplicação, você precisará obter esses arquivos separadamente e colocá-los na pasta data/.

Você pode usar os scripts download-data.py e download-cdi.py na pasta data/ para baixar esses arquivos, ou entrar em contato para obter os arquivos de amostra.

Estrutura do Projeto

markowitz_backtest/
├── main.py                  # Ponto de entrada da aplicação
├── requirements.txt         # Dependências do projeto
├── build_exe.py             # Script para criar executável
├── hook-src.py              # Hook para PyInstaller
├── data/                    # Diretório para arquivos de dados
│   ├── cadastro.csv         # Cadastro dos fundos
│   ├── cotas.csv            # Histórico de cotas
│   ├── cdi.csv              # Histórico do CDI
│   ├── download-data.py     # Script para download de dados
│   └── download-cdi.py      # Script para download do CDI
└── src/                     # Código-fonte
    ├── __init__.py
    ├── markowitz_backtest_interactive.py  # Interface Dash
    ├── portfolio_calculations.py          # Cálculos de portfólio
    ├── report_pdf.py                      # Geração de relatórios
    └── metrics_info.py                    # Informações sobre métricas

Funcionalidades Principais

• Otimização de Markowitz: Calcula a fronteira eficiente com base nos retornos históricos
• Visualização da Fronteira Eficiente: Gráfico interativo com portfólios simulados
• Matriz de Correlação: Visualização da correlação entre os ativos selecionados
• Backtesting: Análise do desempenho histórico do portfólio selecionado
• Métricas de Desempenho: Cálculo de retorno, volatilidade, Sharpe, drawdown, etc.
• Geração de Relatórios: Exportação dos resultados em formato PDF

Desenvolvimento

Criando um executável

Para criar um executável standalone:

python build_exe.py

O executável será gerado na pasta dist/.

Contribuições

Contribuições são bem-vindas! Por favor, sinta-se à vontade para enviar pull requests.

Licença

MIT

Contato

Bruno Galiati - GitHub

Agradecimentos

• Modelo de Markowitz para otimização de portfólio
• Dash e Plotly para a interface interativa
• Pandas e NumPy para análise de dados