Dashboard Financeiro Interativo

Este projeto é um dashboard financeiro robusto, interativo e modular, desenvolvido em Python com Streamlit, para análise e acompanhamento de ativos do mercado financeiro brasileiro e internacional.

Funcionalidades

• Extração de dados: Scraping automatizado e fallback para Yahoo Finance (yfinance)
• Banco de dados: Persistência local via SQLite (pronto para migração para SQL Server)
• Gestão de portfólio: Cadastro, remoção e atualização automática de ativos
• Atualização automática de preços: Thread em background
• Indicador de mercado aberto/fechado (EUA): Com tempo até abertura/fechamento
• Gráficos interativos: Todos os gráficos com Plotly
• Métricas e análises avançadas:
  • Retorno acumulado
  • Volatilidade
  • Drawdown
  • Médias móveis
  • RSI e MACD
  • Correlação entre ativos (heatmap)
  • Heatmap de retornos mensais
• Destaques do mercado: Métricas rápidas dos melhores e piores ativos
• Interface profissional: Layout limpo, responsivo e informativo

Tecnologias Utilizadas

• Python 3.10+
• Streamlit
• Pandas
• Plotly
• SQLAlchemy
• SQLite (padrão, mas adaptável para SQL Server)
• yfinance
• Selenium (scraping)
• pytz

Instalação

1. Clone o repositório:

git clone https://github.com/BigLeno/streamlitPipeline.git
cd streamlitPipeline

2. Crie e ative um ambiente virtual (recomendado):

No Windows:

python -m venv env
.\env\Scripts\activate

No Linux/Mac:

python3 -m venv env
source env/bin/activate

3. Instale as dependências:

pip install -r requirements.txt

4. (Opcional) Instale o Chrome para uso do Selenium:

• Baixe o Chrome : https://www.google.com/intl/pt-BR/chrome/

Como Rodar

streamlit run streamlit_app.py

O dashboard abrirá automaticamente no navegador padrão.

Estrutura do Projeto

• streamlit_app.py: Módulo principal do dashboard
• assets/: Módulos utilitários (scraping, banco, analytics, etc)
• requirements.txt: Dependências do projeto
• historicos/: Arquivos de históricos baixados

Métodos e Lógica

• Scraping: Coleta de preços e históricos via Selenium, com fallback automático para yfinance em caso de erro
• Banco de dados: ORM SQLAlchemy, pronto para migrar para SQL Server (basta trocar a string de conexão)
• Atualização automática: Thread para atualização periódica dos preços
• Análises: Todas as métricas e gráficos são calculados em tempo real a partir dos dados históricos
• Interface: Streamlit + Plotly para visualização interativa e responsiva

Observações

• Para usar SQL Server, basta instalar o driver (ex: pyodbc) e alterar a string de conexão no módulo de banco de dados.
• O scraping pode exigir o ChromeDriver instalado e compatível com o navegador.
• O dashboard é modular e fácil de expandir com novas análises ou integrações.

Autor

BigLeno

---

Dúvidas ou sugestões? Abra uma issue ou entre em contato!