Update src/streamlit_app.py

src/streamlit_app.py

@@ -18,9 +18,7 @@ except Exception:
     ALTAIR_AVAILABLE = False
 
 
-# ========================
 # Utilidades
-# ========================
 def carregar_precos(
     tickers: List[str],
     start: str,
@@ -155,37 +153,33 @@ def format_percent(x: float) -> str:
     return f"{x*100:.2f}%"
 
 
-# ========================
 # Interface Streamlit
-# ========================
 st.set_page_config(page_title="VaR Monte Carlo - Carteira (B3)", page_icon="📉", layout="wide")
 
 st.title("📉 VaR da Carteira via Simulação de Monte Carlo")
-st.caption(
+st.caption( 
     "Baseado na carteira de ações tratada no arquivo **Atividade2_3** (ITUB4.SA, MGLU3.SA, COGN3.SA, PETR4.SA, ABEV3.SA)."
 )
 
-with st.expander("ℹ️ Como funciona este app"):
+with st.expander("Funcionamento deste app"):
     st.write("""
-- Baixamos os preços diários dos tickers selecionados (por padrão, os 5 do seu estudo).
-- Calculamos retornos logarítmicos diários, suas médias e covariâncias.
-- **Opcional**: buscamos pesos de **Máximo Sharpe** (amostragem) ou você define pesos manualmente.
-- Rodamos uma simulação **Monte Carlo multivariada Normal** dos retornos no horizonte escolhido.
-- Calculamos o **VaR** (percentual e em R$) para os níveis de confiança (ex.: 95% e 99%).
+- Download dos preços diários dos tickers selecionados (por padrão, cinco ativos).
+- Calculo dos retornos logarítmicos diários, suas médias e covariâncias.
+- Opcionalmente se busca pesos de **Máximo Sharpe** (amostragem) ou você define pesos manualmente.
+- Roda-se uma simulação **Monte Carlo multivariada Normal** dos retornos no horizonte escolhido.
+- Calculo do **VaR** (percentual e em R$) para os níveis de confiança (ex.: 95% e 99%).
 """)
 
-# ------------------------
 # Parâmetros
-# ------------------------
 colA, colB = st.columns([2, 1])
 
-default_tickers = ["ITUB4.SA", "MGLU3.SA", "COGN3.SA", "PETR4.SA", "ABEV3.SA"]  # do material de referência
+default_tickers = ["ITUB4.SA", "MGLU3.SA", "COGN3.SA", "PETR4.SA", "ABEV3.SA"]  
 with colA:
     tickers = st.multiselect(
         "Tickers (B3, sufixo .SA)",
         options=default_tickers,
         default=default_tickers,
-        help="Por padrão, os 5 ativos do seu estudo."
+        help="Por padrão, os 5 ativos."
     )
 
 with colB:
@@ -196,7 +190,7 @@ with colB:
 col1, col2, col3, col4 = st.columns([1, 1, 1, 1])
 
 with col1:
-    aporte = st.number_input("Aporte inicial (R$)", min_value=1000.0, value=50_000.0, step=1000.0, format="%.2f")
+    aporte = st.number_input("Investimento inicial (R$)", min_value=1000.0, value=50_000.0, step=1000.0, format="%.2f")
 
 with col2:
     horizonte = st.number_input("Horizonte (dias úteis)", min_value=1, value=1, step=1)
@@ -273,9 +267,7 @@ st.subheader("Pesos da carteira")
 st.dataframe(pesos_df.style.format({"Peso": "{:.2%}"}))
 st.caption(f"Origem dos pesos: **{fonte_pesos}**.")
 
-# ------------------------
 # Simulação Monte Carlo
-# ------------------------
 rng = np.random.default_rng(seed)
 sim_ret_log = simular_mc_multivariado(
     mu=mu,
@@ -345,6 +337,6 @@ st.success("Simulação concluída!")
 
 st.divider()
 st.caption(
-    "Carteira base (ITUB4.SA, MGLU3.SA, COGN3.SA, PETR4.SA, ABEV3.SA) conforme estudo — "
+    "Carteira base (ITUB4.SA, MGLU3.SA, COGN3.SA, PETR4.SA, ABEV3.SA)  — "
     "parametrizável acima. O método de Monte Carlo segue a abordagem Normal multivariada com média e covariância empíricas diárias."
 )