Update app.py

app.py

@@ -12,8 +12,9 @@ warnings.filterwarnings("ignore")
 # =====================
 # CONFIGURAÇÃO BRAPI
 # =====================
-BRAPI_API_KEY = "dCDdw4V35VedwMPBQCLM71"  # Coloque sua chave aqui
+BRAPI_API_KEY = "dCDdw4V35VedwMPBQCLM71"  # Substitua pela sua chave válida
 BRAPI_HEADERS = {"Authorization": f"Bearer {BRAPI_API_KEY}"} if BRAPI_API_KEY else {}
+BRAPI_BASE_URL = "https://brapi.dev/api/quote"
 
 # =====================
 # CLASSE SIMULADOR
@@ -40,24 +41,48 @@ class PortfolioSimulator:
 
     def download_data(self, tickers, start_date, end_date):
         df = pd.DataFrame()
+        errors = []
         for ticker in tickers:
             try:
-                url = f"https://brapi.dev/api/quote/{ticker}?range=5y&interval=1d"
-                r = requests.get(url, headers=BRAPI_HEADERS, timeout=10)
+                # Adiciona .SA para tickers brasileiros, exceto IBOV
+                api_ticker = f"{ticker}.SA" if ticker != 'IBOV' else ticker
+                url = f"{BRAPI_BASE_URL}/{api_ticker}?range=5y&interval=1d"
+                r = requests.get(url, headers=BRAPI_HEADERS, timeout=15)
                 r.raise_for_status()
-                data = r.json().get('results', [])[0]['historical']
-                temp_df = pd.DataFrame(data)
-                temp_df['date'] = pd.to_datetime(temp_df['date'])
+                data = r.json()
+                if 'results' not in data or not data['results']:
+                    errors.append(f"{ticker}: Nenhum dado retornado pela API")
+                    continue
+                historical = data['results'][0].get('historical', [])
+                if not historical:
+                    errors.append(f"{ticker}: Nenhum dado histórico disponível")
+                    continue
+                temp_df = pd.DataFrame(historical)
+                temp_df['date'] = pd.to_datetime(temp_df['date'], errors='coerce')
+                temp_df = temp_df.dropna(subset=['date', 'close'])
                 temp_df = temp_df.set_index('date')
                 df[ticker] = temp_df['close']
-                print(f"✓ {ticker} baixado via BRAPI")
+                print(f"✓ {ticker} baixado com sucesso")
+            except requests.exceptions.RequestException as e:
+                errors.append(f"{ticker}: Erro de conexão - {str(e)}")
             except Exception as e:
-                print(f"✗ Erro ao baixar {ticker} via BRAPI: {e}")
-        df = df[start_date:end_date].dropna()
-        return df
+                errors.append(f"{ticker}: Erro ao processar - {str(e)}")
+        
+        if df.empty:
+            raise ValueError(f"Nenhum dado baixado. Erros: {'; '.join(errors)}")
+        
+        # Filtra pelo intervalo de datas e remove NaNs
+        df = df.loc[start_date:end_date].dropna(how='all')
+        if df.empty:
+            raise ValueError(f"Nenhum dado disponível no intervalo {start_date} a {end_date}. Erros: {'; '.join(errors)}")
+        
+        return df, errors
 
     def calculate_returns(self, prices_df):
-        return np.log(prices_df / prices_df.shift(1)).dropna()
+        returns = np.log(prices_df / prices_df.shift(1)).dropna()
+        if returns.empty:
+            raise ValueError("Não foi possível calcular retornos: dados insuficientes")
+        return returns
 
     def monte_carlo_simulation(self, returns_df, num_simulations=50000):
         n_assets = len(returns_df.columns)
@@ -114,23 +139,26 @@ def run_analysis(selected_stocks, num_simulations, initial_investment, start_dat
     try:
         start_date = pd.to_datetime(start_date_str)
         end_date = pd.to_datetime(end_date_str)
-        if not isinstance(selected_stocks, list):
-            selected_stocks = [selected_stocks]
-        prices_df = simulator.download_data(selected_stocks, start_date, end_date)
-        returns_df = simulator.calculate_returns(prices_df)
+        if not selected_stocks:
+            return "❌ Selecione pelo menos uma ação", None, None, None, None
+
+        prices_df, errors = simulator.download_data(selected_stocks, start_date, end_date)
+        if errors:
+            error_msg = f"Avisos: {'; '.join(errors)}\n"
+        else:
+            error_msg = ""
 
-        weights_mc, ret_arr, vol_arr, sharpe_arr = simulator.monte_carlo_simulation(returns_df, num_simulations)
+        returns_df = simulator.calculate_returns(prices_df)
+        weights_mc, ret_arr, vol_arr, sharpe_arr = simulator.monte_carlo_simulation(returns_df, int(num_simulations))
         max_idx = np.argmax(sharpe_arr)
         optimal_weights = weights_mc[max_idx]
-
-        math_weights = simulator.optimize_portfolio(returns_df)
         portfolio_value, portfolio_return = simulator.simulate_portfolio(prices_df, optimal_weights, initial_investment)
 
         # ==== GRÁFICOS INTERATIVOS PLOTLY ====
         fig_weights = px.pie(names=selected_stocks, values=optimal_weights, title="Composição da Carteira Ótima")
         fig_evolution = go.Figure()
         fig_evolution.add_trace(go.Scatter(x=portfolio_value.index, y=portfolio_value.values, mode='lines', name='Patrimônio'))
-        fig_evolution.update_layout(title='Evolução do Patrimônio', yaxis_title='Valor (R$)')
+        fig_evolution.update_layout(title='Evolução do Patrimônio', yaxis_title='Valor (R$)', xaxis_title='Data')
         fig_frontier = go.Figure()
         fig_frontier.add_trace(go.Scatter(x=vol_arr, y=ret_arr, mode='markers', marker=dict(color=sharpe_arr, colorscale='Viridis', showscale=True), name='Carteiras Simuladas'))
         fig_frontier.add_trace(go.Scatter(x=[vol_arr[max_idx]], y=[ret_arr[max_idx]], mode='markers', marker=dict(color='red', size=15, symbol='star'), name='Carteira Ótima'))
@@ -138,18 +166,18 @@ def run_analysis(selected_stocks, num_simulations, initial_investment, start_dat
         fig_prices = go.Figure()
         for stock in selected_stocks:
             fig_prices.add_trace(go.Scatter(x=prices_df.index, y=prices_df[stock], mode='lines', name=stock))
-        fig_prices.update_layout(title='Preços das Ações', yaxis_title='Preço')
+        fig_prices.update_layout(title='Preços das Ações', yaxis_title='Preço (R$)', xaxis_title='Data')
 
         result_text = f"""
         ## 📊 Resultados
         **Investimento Inicial:** R$ {initial_investment:,.2f}
         **Valor Final:** R$ {portfolio_value.iloc[-1]:,.2f}
         **Retorno Total:** {(portfolio_value.iloc[-1]/initial_investment - 1)*100:.2f}%
+        {error_msg}
         """
-
         return result_text, fig_weights, fig_evolution, fig_frontier, fig_prices
     except Exception as e:
-        return f"❌ Erro na simulação: {e}", None, None, None, None
+        return f"❌ Erro na simulação: {str(e)}", None, None, None, None
 
 # =====================
 # INTERFACE GRADIO
@@ -157,10 +185,21 @@ def run_analysis(selected_stocks, num_simulations, initial_investment, start_dat
 simulator = PortfolioSimulator()
 with gr.Blocks(title="Simulador de Portfólio - BRAPI") as demo:
     gr.Markdown("# 🎯 Simulador de Portfólio - BRAPI")
+    gr.Markdown("Selecione ações, ajuste parâmetros e visualize os resultados.")
     with gr.Row():
         with gr.Column():
-            selected_stocks = gr.CheckboxGroup(label="Selecione as Ações", choices=list(simulator.available_stocks.keys()), value=['BBAS3','ITSA4','TAEE11'])
-            num_simulations = gr.Slider(label="Número de Simulações", minimum=1000, maximum=200000, value=50000, step=1000)
+            selected_stocks = gr.CheckboxGroup(
+                label="Selecione as Ações", 
+                choices=list(simulator.available_stocks.keys()), 
+                value=['BBAS3', 'ITSA4', 'TAEE11']
+            )
+            num_simulations = gr.Slider(
+                label="Número de Simulações", 
+                minimum=1000, 
+                maximum=200000, 
+                value=50000, 
+                step=1000
+            )
             initial_investment = gr.Number(label="Investimento Inicial (R$)", value=35000)
             start_date = gr.Textbox(label="Data Inicial (YYYY-MM-DD)", value="2018-01-01")
             end_date = gr.Textbox(label="Data Final (YYYY-MM-DD)", value="2024-01-01")
@@ -172,8 +211,11 @@ with gr.Blocks(title="Simulador de Portfólio - BRAPI") as demo:
         evolution_plot = gr.Plot(label="Evolução do Patrimônio")
         efficient_frontier = gr.Plot(label="Fronteira Eficiente")
         prices_plot = gr.Plot(label="Preços das Ações")
-    run_btn.click(fn=run_analysis, inputs=[selected_stocks, num_simulations, initial_investment, start_date, end_date],
-                  outputs=[results_text, pie_chart, evolution_plot, efficient_frontier, prices_plot])
+    run_btn.click(
+        fn=run_analysis, 
+        inputs=[selected_stocks, num_simulations, initial_investment, start_date, end_date],
+        outputs=[results_text, pie_chart, evolution_plot, efficient_frontier, prices_plot]
+    )
 
 if __name__ == "__main__":
-    demo.launch(share=True)
+    demo.launch()