!pip install xlrd !pip install yfinance==0.1.77 !pip install statsmodels !pip install openpyxl

# Importações import matplotlib.pyplot as plt import pandas as pd import yfinance as yf import statsmodels.api as sm import statsmodels.tsa as smts import statsmodels.formula.api as smf import numpy as np import plotly.graph_objects as go from statsmodels.sandbox.regression.predstd import wls_prediction_std pd.options.plotting.backend = "plotly"

# Cotação S&P 500 #Obtendo dados de fechamento do S&P 500 através do yahoo finance spxts = pd.DataFrame(yf.Ticker("^GSPC").history(period="max")["Close"]) spxts.rename(columns={"Close":"Close_spx"},inplace=True) # Normallizando datas spxts.index = pd.DatetimeIndex(spxts.index).strftime("%Y-%m-%d") # Obtendo dados de fechamento do bitcion através do yahoo finance btcts = pd.DataFrame(yf.Ticker("BTC-USD").history(period="max")["Close"]) # Normallizando datas btcts.index = pd.DatetimeIndex(btcts.index).strftime("%Y-%m-%d") btcts.rename(columns={"Close":"Close_btc"},inplace=True) # Cotação do Dólar/Yuan # Obtendo dados de fechamento do Dólar/Yuan através do yahoo finance usdts = pd.DataFrame(yf.Ticker("CNY=X").history(period="max")["Close"]) usdts.rename(columns={"Close":"Close_usd"},inplace=True) # Normallizando datas usdts.index = pd.DatetimeIndex(usdts.index).strftime("%Y-%m-%d")

# Obtendo dados da EPU US EPU_US_TS = pd.read_excel("/content/USEPUINDXD.xls") EPU_US_TS["Data"]=pd.DatetimeIndex(EPU_US_TS["year"]).strftime("%Y-%m-%d") EPU_US_TS.set_index("Data",inplace=True) # Obtendo dados da taxa de juros overnight FED e ajustando base interest_rate_FED = pd.read_excel("/content/DFF (1).xls") interest_rate_FED.columns=["Data","DFF"] interest_rate_FED = interest_rate_FED[10:] interest_rate_FED["Data"]=pd.DatetimeIndex(interest_rate_FED["Data"]).strftime("%Y-%m-%d") interest_rate_FED.set_index("Data",inplace=True) interest_rate_FED["DFF"]=interest_rate_FED["DFF"].astype(float)

# Juntando bases do FEB, bitcoin e EPU US (normlizando pra mesma data) geral = btcts.join([interest_rate_FED,EPU_US_TS,spxts,usdts])

# Vizualizando a base geral

# Checando missing e removendo-os. print(geral.isna().sum()) geral.dropna(inplace=True)

geral

# Checando se a base foi limpada corretamente print(geral.isna().sum())

# Renomeando as colunas geral = geral.rename(columns={"Close_btc":"Bitcoin","Close_spx":"S&P500", "USEPUINDXD":"EPU_US","DFF":"Juros_FED","Close_usd":"Dolar"}).drop(columns=["year"])

# Existem diversas quebras estruturais previamente identificadas em outros testes # Portanto criaremos algumas dummies # Criando dummy para quebra estrutural BTC para cima 1 geral.loc[(geral.index>"2020-09-23") & (geral.index<"2021-05-08"), "dummy_Bitcoin_Alta1"]=1 geral["dummy_Bitcoin_Alta1"].fillna(0,inplace=True) # Criando dummy para quebra estrutural BTC para baixo 1 geral.loc[(geral.index>"2021-05-08") & (geral.index<"2021-07-20"), "dummy_Bitcoin_Baixa1"]=1 geral["dummy_Bitcoin_Baixa1"].fillna(0,inplace=True) # Criando dummy para quebra estrutural BTC para cima 2 geral.loc[(geral.index>"2021-07-20") & (geral.index<"2021-11-08"), "dummy_Bitcoin_Alta2"]=1 geral["dummy_Bitcoin_Alta2"].fillna(0,inplace=True) # Criando dummy para quebra estrutural BTC para baixo 2 geral.loc[geral.index>"2021-07-20", "dummy_Bitcoin_Baixa2"]=1 geral["dummy_Bitcoin_Baixa2"].fillna(0,inplace=True) # Criando uma variavel tempo para observar checar tendencia geral["Tempo"] = np.arange(1,len(geral)+1,1) # Criando dummy para quebra estrutural interest rate para baixo geral.loc[(geral.index>"2020-03-01") & (geral.index<"2022-03-15"), "dummy_Juros_Baixa"]=1 geral["dummy_Juros_Baixa"].fillna(0,inplace=True)

# Pegando retorno das séries geral["lnBitcoin_df1"] = np.log(geral["Bitcoin"]/geral["Bitcoin"].shift(1)) geral["lnDolar_df1"] = np.log(geral["Dolar"]/geral["Dolar"].shift(1)) geral["lnSpx_df1"] = np.log(geral["S&P500"]/geral["S&P500"].shift(1))

# Regressão original smf.ols(formula='lnBitcoin_df1~lnBitcoin_df1.shift(1)+dummy_Bitcoin_Alta1+dummy_Bitcoin_Baixa1+Juros_FED+dummy_Juros_Baixa+lnDolar_df1+lnDolar_df1.shift(1)+lnSpx_df1+lnSpx_df1.shift(1)+EPU_US+Tempo', data=geral).fit().summary()

# Cotação do Dólar/Real # Obtendo dados de fechamento do Dólar através do yahoo finance realts = pd.DataFrame(yf.Ticker("BRL=X").history(period="max")["Close"]) realts.rename(columns={"Close":"Close_brl"},inplace=True) # Normallizando datas realts.index = pd.DatetimeIndex(realts.index).strftime("%Y-%m-%d")

# Juntando bases do FEB, bitcoin e EPU US (normlizando pra mesma data) geral = btcts.join([interest_rate_FED,EPU_US_TS,spxts,realts])

# Checando missings e removendo-os print(geral.isna().sum()) geral.dropna(inplace=True)

geral = geral.rename(columns={"Close_btc":"Bitcoin","Close_spx":"S&P500", "USEPUINDXD":"EPU_US","DFF":"Juros_FED","Close_brl":"Real"}).drop(columns=["year"])

geral

# Criando dummy para quebra estrutural BTC para cima 1 geral.loc[(geral.index>"2020-09-23") & (geral.index<"2021-05-08"), "dummy_Bitcoin_Alta1"]=1 geral["dummy_Bitcoin_Alta1"].fillna(0,inplace=True) # Criando dummy para quebra estrutural BTC para baixo 1 geral.loc[(geral.index>"2021-05-08") & (geral.index<"2021-07-20"), "dummy_Bitcoin_Baixa1"]=1 geral["dummy_Bitcoin_Baixa1"].fillna(0,inplace=True) # Criando dummy para quebra estrutural BTC para cima 2 geral.loc[(geral.index>"2021-07-20") & (geral.index<"2021-11-08"), "dummy_Bitcoin_Alta2"]=1 geral["dummy_Bitcoin_Alta2"].fillna(0,inplace=True) # Criando dummy para quebra estrutural BTC para baixo 2 geral.loc[geral.index>"2021-07-20", "dummy_Bitcoin_Baixa2"]=1 geral["dummy_Bitcoin_Baixa2"].fillna(0,inplace=True) # Criando uma variavel tempo para observar checar tendencia geral["Tempo"] = np.arange(1,len(geral)+1,1) # Criando dummy para quebra estrutural interest rate para baixo geral.loc[(geral.index>"2020-03-01") & (geral.index<"2022-03-15"), "dummy_Juros_Baixa"]=1 geral["dummy_Juros_Baixa"].fillna(0,inplace=True)

# Pegando retorno das séries geral["lnBitcoin_df1"] = np.log(geral["Bitcoin"]/geral["Bitcoin"].shift(1)) geral["lnReal_df1"] = np.log(geral["Real"]/geral["Real"].shift(1)) geral["lnSpx_df1"] = np.log(geral["S&P500"]/geral["S&P500"].shift(1))

# Regressão para o real smf.ols(formula='lnBitcoin_df1~lnBitcoin_df1.shift(1)+dummy_Bitcoin_Alta1+dummy_Bitcoin_Baixa1+Juros_FED+dummy_Juros_Baixa+lnReal_df1+lnReal_df1.shift(1)+lnSpx_df1+lnSpx_df1.shift(1)+EPU_US+Tempo', data=geral).fit().summary()