README.md

metadata

title: Sistema de Análise Financeira com IA
emoji: 📈
colorFrom: blue
colorTo: green
sdk: gradio
sdk_version: 5.44.0
app_file: app.py
pinned: false
license: mit
short_description: Sistema de análise financeira com IA e ensemble de modelos

📈 Sistema de Análise Financeira com IA

Um sistema completo de análise financeira que combina múltiplos modelos de IA para fornecer insights precisos sobre mercados financeiros, análise de sentimento e processamento avançado de dados.

🚀 Funcionalidades Principais

🤖 Sistema Ensemble de IA

• Múltiplos Modelos: Integração de FinBERT, RoBERTa e modelos customizados
• Votação Inteligente: Sistema de consenso entre modelos para maior precisão
• Otimização Automática: Ajuste dinâmico de pesos baseado na performance

📊 Análise de Mercado Avançada

• Swing Points: Detecção automática de pontos de reversão
• Zonas de Confluência: Identificação de níveis críticos de suporte/resistência
• Padrões Harmônicos: Reconhecimento de padrões Gartley, Butterfly, Bat e Crab
• Análise Fibonacci: Cálculos automáticos de retracement e extensão

💹 Análise de Sentimento

• Processamento de Texto: Análise de notícias e relatórios financeiros
• Classificação Multi-classe: Bullish, Bearish, Neutral com scores de confiança
• Contexto Financeiro: Especializado em terminologia do mercado financeiro

🎨 Interface

• Interface Web Moderna: Interface Gradio responsiva e intuitiva
• Tema Escuro/Claro: Sistema de temas dinâmico com modo noturno
• Visualizações Interativas: Gráficos e métricas em tempo real
• Design Responsivo: Otimizado para desktop e mobile
• Feedback Visual: Indicadores de status e progresso

📝 Sistema de Logging Avançado

• Armazenamento SQLite3: Banco de dados estruturado para logs persistentes
• Interface Web: Visualizador de logs com filtros avançados e estatísticas
• Decoradores Automáticos: Logging automático com decoradores Python
• Métricas de Performance: Monitoramento em tempo real com gráficos
• Categorização Inteligente: Logs organizados por categoria e nível
• Limpeza Automática: Gerenciamento automático de logs antigos
• Eventos do Sistema: Rastreamento de eventos críticos e alertas

🧪 Sistema de Testes Robusto

• Pytest Framework: Framework de testes otimizado e moderno
• Testes Unitários: Cobertura completa de módulos individuais
• Testes de Integração: Validação de fluxos completos do sistema
• Fixtures Reutilizáveis: Setup/teardown automatizado para testes
• Mocking Avançado: Isolamento de dependências externas
• Relatórios de Cobertura: Análise detalhada em HTML, XML e terminal
• Testes Parametrizados: Múltiplos cenários com dados variados
• Execução Paralela: Testes rápidos com pytest-xdist
• Benchmarking: Testes de performance e uso de memória
• CI/CD Ready: Integração completa com pipelines de desenvolvimento

🏗️ Arquitetura do Sistema

📁 Projeto/
├── 📁 src/                    # Código fonte organizado
│   ├── 📁 ai/                 # Modelos de IA e ensemble
│   ├── 📁 analysis/           # Análises de mercado e sentimento
│   ├── 📁 core/               # Funcionalidades centrais
│   ├── 📁 integrations/       # Integrações externas
│   ├── 📁 ui/                 # Interface do usuário
│   │   ├── 📄 gradio_interface.py
│   │   ├── 📄 theme_manager.py
│   │   └── 📄 dark_theme_components.py
│   └── 📁 utils/              # Utilitários e helpers
├── 📁 config/                 # Configurações do sistema
├── 📁 docs/                   # Documentação completa
├── 📁 tests/                  # Estrutura completa de testes
│   ├── 📁 unit/               # Testes unitários
│   ├── 📁 integration/        # Testes de integração
│   ├── 📁 data/               # Dados de teste
│   ├── 📄 conftest.py         # Configurações globais
│   └── 📄 test_patterns.py    # Padrões e exemplos
├── 📁 scripts/                # Scripts utilitários
│   └── 📁 log_analysis/       # Análise de logs
├── 📄 pytest.ini             # Configuração do pytest
├── 📄 Makefile                # Comandos automatizados
└── 📄 app.py                  # Aplicação principal

🛠️ Tecnologias Utilizadas

• Python 3.8+: Linguagem principal
• Gradio 5.44.0: Interface web interativa (compatível com HF Spaces)
• Transformers: Modelos de linguagem (FinBERT, RoBERTa)
• NumPy/Pandas: Processamento de dados
• Scikit-learn: Machine learning
• SQLite3: Banco de dados para logging avançado
• Plotly: Gráficos interativos para métricas
• Threading: Processamento assíncrono

📋 Pré-requisitos

• Python 3.8 ou superior
• 4GB+ de RAM (recomendado 8GB)
• Conexão com internet para download de modelos

🚀 Instalação e Execução

1. Clone o repositório

git clone <repository-url>
cd hugging_face_spaces

2. Instale as dependências

pip install -r requirements.txt

3. Execute a aplicação

python app.py

4. Acesse a interface

Abra seu navegador em http://localhost:7860

🧪 Executando Testes

Comandos Rápidos (Makefile)

# Executar todos os testes
make test

# Testes unitários apenas
make test-unit

# Testes de integração
make test-integration

# Testes com relatório de cobertura
make test-coverage

# Testes rápidos (sem os lentos)
make test-fast

# Testes em paralelo
make test-parallel

Comandos Pytest Diretos

# Executar todos os testes
pytest -v

# Testes por categoria
pytest -m unit                    # Apenas unitários
pytest -m integration             # Apenas integração
pytest -m "not slow"              # Excluir testes lentos

# Com cobertura
pytest --cov=src --cov-report=html

# Teste específico
pytest tests/unit/test_voting_system.py::test_majority_voting

Relatórios de Cobertura

Após executar make test-coverage, abra htmlcov/index.html para ver o relatório detalhado.

🌐 Hugging Face Spaces

Este projeto está 100% compatível com Hugging Face Spaces:

✅ Correções Implementadas

• SSR Desabilitado: ssr_mode=False para evitar erro 500
• Configurações Otimizadas: Parâmetros específicos para HF Spaces
• Detecção Automática: Sistema detecta ambiente HF Spaces automaticamente
• Fallback Inteligente: Configurações locais como backup

🚀 Deploy no HF Spaces

1. Faça fork/clone do repositório
2. Crie um novo Space no Hugging Face
3. Configure como Gradio App
4. O sistema aplicará automaticamente as configurações corretas

🔧 Configurações HF Spaces

• SDK: Gradio 5.44.0
• Python: 3.8+
• Arquivo Principal: app.py
• SSR: Desabilitado automaticamente

📋 Troubleshooting

Para problemas específicos do HF Spaces, consulte:

• Guia de Troubleshooting HF Spaces
• Configurações em hf_spaces_config.py

📖 Documentação

Documentação completa disponível em:

• 🏗️ Arquitetura do Sistema - Estrutura detalhada do projeto
• 🔄 Fluxograma do Sistema - Ciclo completo de processamento
• 📊 Diagrama de Fluxo Visual - Visualização do fluxo de dados
• 🚀 Guia de Instalação - Instalação passo a passo
• 📋 Referência da API - Documentação técnica completa
• 📖 Guia do Desenvolvedor - Instruções para desenvolvimento
• 📊 Sistema de Logging - Sistema de logs avançado
• 🧪 Documentação de Testes - Framework de testes completo
• 🔧 Solução de Problemas - Resolução de problemas comuns
• 🌐 Troubleshooting HF Spaces - Problemas específicos do HF Spaces

🔧 Configuração

O sistema pode ser configurado através do arquivo config/config.py:

# Configurações dos modelos
MODEL_WEIGHTS = {
    'finbert': 0.4,
    'roberta': 0.35,
    'custom': 0.25
}

# Configurações de análise
SWING_DETECTION = {
    'lookback_period': 5,
    'min_strength': 0.3
}

📊 Exemplos de Uso

Análise de Sentimento

from src.analysis.sentiment_analysis import SentimentAnalyzer

analyzer = SentimentAnalyzer()
result = analyzer.analyze_text("O mercado está em alta com perspectivas positivas")
print(f"Sentimento: {result['sentiment']} (Confiança: {result['confidence']:.2f})")

Análise de Mercado

from src.core.advanced_market_processing import AdvancedMarketProcessor

processor = AdvancedMarketProcessor()
result = processor.process_market_data(prices, volumes)
print(f"Estrutura do mercado: {result['market_structure']}")

Sistema de Logging

from src.utils.logging_decorators import log_execution, quick_log
from src.core.database_logger import LogLevel, LogCategory

# Logging automático com decorador
@log_execution(LogCategory.MARKET_ANALYSIS, log_performance=True)
def analyze_market():
    # Sua análise aqui
    return results

# Logging rápido
quick_log("Operação concluída", LogLevel.INFO, LogCategory.SYSTEM)

Visualização de Logs

from src.ui.log_viewer import create_log_viewer_interface

# Criar interface de visualização
interface = create_log_viewer_interface()
interface.launch()

🤝 Contribuição

1. Fork o projeto
2. Crie uma branch para sua feature (git checkout -b feature/AmazingFeature)
3. Commit suas mudanças (git commit -m 'Add some AmazingFeature')
4. Push para a branch (git push origin feature/AmazingFeature)
5. Abra um Pull Request

📄 Licença

Este projeto está licenciado sob a Licença MIT - veja o arquivo LICENSE para detalhes.

🆘 Suporte

Para suporte e dúvidas:

• Consulte a documentação
• Abra uma issue
• Consulte o guia de troubleshooting

📈 Status do Projeto

• ✅ Sistema Ensemble de IA implementado
• ✅ Análise de mercado avançada
• ✅ Sistema de logging completo
• ✅ Interface web funcional
• ✅ Documentação atualizada
• ✅ Estrutura refatorada

---

Desenvolvido com ❤️ para análise financeira inteligente