📈 Stock Analysis: Análise Técnica de Ações com Python

Análise técnica completa de ações da bolsa com Python: coleta dados históricos via yfinance e calcula SMA, RSI e métricas de retorno com visualizações profissionais.

---

✨ Funcionalidades

• 📊 Preço histórico: gráfico de fechamento com série temporal completa
• 📉 Médias Móveis (SMA): SMA 20 e SMA 50 dias sobrepostas no preço
• ⚡ RSI (Índice de Força Relativa): com linhas de sobrecompra (70) e sobrevenda (30)
• 📦 Distribuição de retornos diários: histograma com curva de densidade
• 🔄 Qualquer ticker: basta trocar o símbolo (AAPL, PETR4.SA, MGLU3.SA...)

---

📸 Gráficos Gerados

Preço de Fechamento + Médias Móveis

Distribuição dos Retornos Diários

RSI com Zonas de Sobrecompra/Sobrevenda

Volume de Negociação

Análise Completa

---

🛠️ Tech Stack

Componente	Tecnologia
Dados de mercado	yfinance
Manipulação de dados	Pandas + NumPy
Visualização	Matplotlib + Seaborn
Ambiente	Google Colab / Jupyter

---

🚀 Como Usar

Google Colab (recomendado)

Abra o notebook no Colab: o yfinance já é instalado automaticamente.

Local

git clone https://github.com/Ronbragaglia/stock-analysis.git
cd stock-analysis
pip install yfinance pandas matplotlib seaborn
jupyter notebook

Analisar outro ticker

No notebook, altere:

ticker = 'PETR4.SA'   # Petrobras
# ou
ticker = 'VALE3.SA'   # Vale
# ou
ticker = 'MSFT'       # Microsoft

---

📐 Indicadores Implementados

Indicador	Descrição
SMA 20	Média Móvel Simples de 20 dias: tendência curta
SMA 50	Média Móvel Simples de 50 dias: tendência média
RSI 14	Força relativa: >70 sobrecomprado, <30 sobrevendido
Retorno diário	Variação % diária com distribuição estatística

---

📁 Estrutura

stock-analysis/
├── stock_analysis.ipynb   # Notebook principal
└── README.md

---

🤝 Contribuições

Pull requests são bem-vindos! Sugestões: adicionar MACD, Bollinger Bands ou backtesting.

---

_{Feito com 📈 por Rone Bragaglia · ML Engineer & Fundador CobrançaAuto}