A principal biblioteca utilizada neste exemplo é a yfinance para fazer o download dos dados. As outros são comumente utilizadas para tratamento e visualização de dados como as bibliotecas pandas, matplotlib e seaborn.
#importando bibliotecas
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import yfinance as yf
Lista com os ativos e escolha da janela de avaliação
#tinkers dos ativos
tinkers = ['WEGE3.SA', 'MGLU3.SA', 'KNCR11.SA',
'HGLG11.SA','BOVA11.SA','SMAL11.SA','JNJB34.SA','AAPL34.SA']
#Janela de avaliação
inicio = "2018-01-02"
final = "2024-01-02"
Importação dos dados
#Download dos valores de fechamento ajustado dos ativos
dados = yf.download(tinkers, start= inicio, end=final )['Adj Close']
#Visualizando a base de dados
carteira=pd.DataFrame(dados)
carteira.head()
Cálculo da matriz de correlação
#Cálculo da correlação
correlacao = carteira.corr()
Visualização da Matriz de Correlação
#Visualizando a Matriz de correlação
plt.figure(figsize = (16, 8))
sns.heatmap(correlacao, vmin = -1, vmax=1, annot = True)
sns.set(font_scale=1.5)
plt.title('Estudo básico de Correlação entre Ativos',fontsize = 18)