Skip to content

Modelo K-Means para Agrupamento de Ações

1. Introdução

Este projeto implementa um modelo de K-Means Clustering para agrupar ações com base em seus retornos médios e volatilidade (desvio-padrão dos retornos) utilizando o dataset all_stocks_5yr.csv. O objetivo é identificar padrões de risco e retorno entre diferentes empresas da bolsa, permitindo observar grupos de ações “mais estáveis”, “mais arriscadas”, etc.

2. Tecnologias Utilizadas

  • Python 3.11
  • pandas, numpy - manipulação de dados
  • scikit-learn - KMeans
  • matplotlib - visualização de clusters

3. Metodologia e Etapas

Etapa 1 — Exploração dos Dados

  • Objetivo: Carregar e entender a estrutura do dataset all_stocks_5yr.csv
  • Entregáveis: estatísticas básicas, tickers disponíveis, datas, preços
  • Features relevantes: preço de fechamento (close)

Etapa 2 — Pré-processamento

  • Objetivo: Construir métricas de retorno e risco por ação

  • Ações:

  • Calcular retorno diário por ticker: pct_change no preço de fechamento

  • Calcular retorno médio por ticker
  • Calcular volatilidade (desvio-padrão dos retornos) por ticker
  • Remover valores ausentes

Etapa 3 — Clusterização com K-Means

  • Objetivo: Identificar grupos de ações semelhantes

  • Configuração:

  • Número de clusters K = 3 (pode ser ajustado)

  • Inicialização com random_state=42
  • n_init=10 para maior robustez

  • Features usadas no KMeans:

  • mean_return

  • volatility

Etapa 4 — Visualização

  • Objetivo: Plotar os clusters em gráfico de dispersão

  • Eixos:

  • X: Volatilidade

  • Y: Retorno médio
  • Visualização: Ações coloridas por cluster

4. Resultados

O K-Means gera três clusters distintos:

  • Cluster 0 → Ações mais estáveis, baixo risco e retornos modestos
  • Cluster 1 → Ações mais voláteis, maior risco, possibilidade de maiores retornos
  • Cluster 2 → Ações intermediárias em termos de risco e retorno

Exemplo (primeiros resultados):

Name mean_return volatility cluster
A 0.000453 0.015482 2
AAL 0.001245 0.022456 1
AAP 0.000443 0.018958 2
AAPL 0.000786 0.014593 0
ABBV 0.001050 0.016856 2

5. Visualização dos Clusters

Gráfico

Clusters

6. Código Implementado

K-means.py

import os
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt


script_dir = os.path.dirname(os.path.abspath(__file__))   # pasta onde está este script
csv_path = os.path.join(script_dir, "..", "KNN", "all_stocks_5yr.csv")  # ../KNN/all_stocks_5yr.csv
output_svg = os.path.join(script_dir, "kmeans_clusters.svg")
output_csv = os.path.join(script_dir, "clusters_result.csv")

print(f"Carregando dados de: {csv_path}")
df = pd.read_csv(csv_path)


df['return'] = df.groupby('Name')['close'].pct_change()


stats = df.groupby('Name').agg({'return': ['mean', 'std']}).reset_index()
stats.columns = ['Name', 'mean_return', 'volatility']

stats = stats.dropna().reset_index(drop=True)
print(f"Número de tickers depois do dropna: {len(stats)}")

X = stats[['mean_return', 'volatility']].values


K = 3
kmeans = KMeans(n_clusters=K, random_state=42, n_init=10)
labels = kmeans.fit_predict(X)
stats['cluster'] = labels


plt.figure(figsize=(10, 6))
scatter = plt.scatter(stats['volatility'], stats['mean_return'], c=stats['cluster'], cmap='viridis', s=40, edgecolor='k', linewidth=0.3)

plt.xlabel("Volatilidade (std dos retornos)")
plt.ylabel("Retorno Médio")
plt.title(f"Clusters de Ações - KMeans (K={K})")
cbar = plt.colorbar(scatter)
cbar.set_label('Cluster')


centroids = kmeans.cluster_centers_
plt.scatter(centroids[:, 1], centroids[:, 0], marker='X', s=200, c='red', label='Centroids', edgecolor='k')

plt.legend(loc='best')
plt.grid(alpha=0.25, linestyle='--')


plt.savefig(output_svg, format='svg', bbox_inches='tight', dpi=300)
print(f"Gráfico salvo como: {output_svg}")


plt.show()


stats.to_csv(output_csv, index=False)
print(f"Resultados dos clusters salvos em: {output_csv}")

print("\nResumo por cluster (count, mean volatility, mean return):")
summary = stats.groupby('cluster').agg({
    'Name': 'count',
    'volatility': 'mean',
    'mean_return': 'mean'
}).rename(columns={'Name': 'count'}).reset_index()
print(summary.to_string(index=False))

7. Como Executar

  1. Preparar ambiente:
pip install pandas numpy scikit-learn matplotlib --upgrade
  1. Rodar script:
python K-means.py

  1. Requisitos:

  2. Arquivo all_stocks_5yr.csv localizado em ../KNN/

  3. Python 3.7+ instalado

8. Limitações e Melhorias Futuras

Limitações

  • Escolha de K influencia bastante os resultados
  • Retorno médio e volatilidade não capturam toda a complexidade dos ativos
  • Dataset histórico pode não refletir risco futuro

Melhorias Futuras

  • Selecionar K com método do cotovelo (Elbow Method) ou Silhouette Score
  • Adicionar outras features (volume, indicadores técnicos, etc.)
  • Comparar com outros métodos de clustering (DBSCAN, Agglomerative)
  • Validar clusters com dados em períodos diferentes

9. Conclusão

O modelo K-Means mostrou-se eficaz para agrupar ações com base em métricas simples de risco e retorno. Os clusters oferecem insights sobre perfis de ativos e podem ser usados como ponto de partida para estratégias de investimento ou estudos comparativos.

10. Referências