Skip to content
tbc174Public

About

Dados auditáveis para quem analisa empresas no Brasil, em fase de testes: base por CNPJ feita de fontes públicas, API e CLI de dados, app de análise e backtest. Fonte, data e original com hash em cada número.

Topics

Resources

Security policy

Stars

1 star

Watchers

1 watching

Forks

Latest commit

 

History

1,470 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

TickerLab: a CLI e o conector de M&A e análise de investimento no Brasil

Testes Python 3.12 FastAPI React e TypeScript PostgreSQL 16 Mais de 14.000 testes Cobertura mínima de 85% Todos os direitos reservados

Site · App · API (TickerLab Data) · Fontes da base · Ferramentas grátis · Novidades

TickerLab

A CLI e o conector de M&A e análise de investimento no Brasil. O TickerLab é uma plataforma de inteligência financeira, em fase de testes: junta as fontes públicas brasileiras (Receita, CVM, Banco Central, Tesouro, B3, agências reguladoras e outros órgãos) numa base própria, ligada pelo CNPJ, e entrega cada número com a fonte, a data em que ficou público e o caminho até o arquivo original.

Em um minuto

Parte O que é Para quem
Base de dados por CNPJ os arquivos oficiais guardados com o hash de cada um, em tabelas "como eram na data": uma consulta a um dia nunca enxerga o que só foi publicado depois a origem de tudo o que vem abaixo
API e CLI de dados (TickerLab Data) a mesma base por HTTP (/data/v1) e no terminal (tickerlab empresa <cnpj>), para sistemas e agentes de IA: perfil, demonstrações, setor, fundos e busca de empresas (e, só pela API, os comparáveis) quem integra dados ou faz prospecção e análise por CNPJ
App de análise e backtest relatório da empresa e do setor, Research com os fatos da CVM e da SEC, carteira, relatórios em PDF e teste de estratégias com dados do passado quem analisa empresas e ativos
Site público o produto, as fontes da base uma a uma, 14 ferramentas grátis, o pregão do dia e os estudos abertos qualquer pessoa, sem login

Três regras atravessam tudo: origem de cada número (fonte, data e documento), sem olhar o futuro (cada dado vale só a partir do dia em que ficou público) e honestidade com os números (o produto mostra também o que não funciona).

Important

Nada aqui é recomendação de investimento. Os dados vêm de fontes públicas e os preços, do Yahoo Finance; todos podem ter atraso ou erros. Rentabilidade passada não garante resultado futuro.

Um exemplo: uma empresa pelo CNPJ, no terminal

pipx install "https://github.com/tbc174/tickerlab/archive/refs/heads/main.zip#subdirectory=cli"
tickerlab login                                    # pede a chave da organização, sem mostrá-la
tickerlab empresa <cnpj>                           # perfil: cadastro na Receita e as entregas à CVM
tickerlab empresa <cnpj> --como-era 2024-12-31     # o que a base sabia naquele dia
tickerlab demonstracoes <cnpj>                     # demonstrações financeiras
tickerlab setor eletricas                          # tamanho, concentração e companhias do setor
tickerlab fundo <cnpj>                             # taxas, carteira e custo da taxa de um fundo

Cada resposta sai numa tabela, para a pessoa, ou no envelope JSON inteiro, para o agente de IA (Claude Code, Codex e outros), sempre com a fonte e a data de cada campo. A API externa está em beta fechado, por chave e sem cobrança, e ainda desligada em produção (ver o estado abaixo). Guia completo: docs/cli.md e docs/api/README.md.

O que está no ar hoje (10/11/2026)

Parte Estado
Site público (tickerlab.com.br) no ar: produto, página Dados com as fontes, 14 ferramentas grátis, pregão do dia, estudos e novidades
App (app.tickerlab.com.br) no ar, em fase de testes, com beta por convite: as telas novas em React na raiz e as demais na versão clássica (Streamlit), em /classico/
Site e documentação da API (api.tickerlab.com.br) no ar: a página da TickerLab Data e a documentação das rotas
API externa de dados (/data/v1) pronta no código e desligada em produção; liga com TICKERLAB_API_EXTERNA=1
API de leitura do app (/api/v1) no ar: serve as telas novas do app, com login e sem preço bruto
CLI tickerlab instalável a partir deste repositório; ainda não publicada em índice de pacotes
Cobrança Stripe só em modo de teste: nenhum pagamento real é feito
Base de dados em construção contínua, com coletas diárias e âncora no Bitcoin toda noite
TickerLab Trade (pesquisa de trading) nenhum modelo aprovado até aqui; não há operação com dinheiro real

Em números

Contados no repositório em 13/11/2026 (tabelas e fontes em uso, em 16/11/2026).

143 tabelas 133 fontes públicas 584 arquivos oficiais 46 páginas no app 14 ferramentas grátis
no catálogo da base, com contrato versionado na página Dados do site, 43 já em uso numa tela, relatório ou API acompanhados pelo arquivista no mapa de src/paginas.py calculadoras e simuladores no site
12 estratégias ~1.700 ativos mais de 800 arquivos de teste 45 migrações mais de 940 pull requests mesclados
tendência e reversão, com custos e stops na busca: B3, S&P 500, índices, cripto e câmbio mais de 11 mil funções de teste (mais de 14 mil casos, contados em 05/11/2026) do banco, de 0001 a 0047 (Alembic) desde 11/10/2026; hoje nada entra sem CI verde

A base de dados

O pacote base/ roda fora do app e monta a base que alimenta todo o resto. A ideia central: várias fontes oficiais só mostram o "agora" ou reescrevem o passado sem avisar, então a base guarda cada original e responde como os dados eram em qualquer data.

  • Um CNPJ, muitas fontes: cadastro e quadro de sócios pessoa jurídica (Receita), demonstrações e eventos (CVM), sanções (CGU), dívida ativa (PGFN), embargos (IBAMA), licenças e registros de agências reguladoras (ANEEL, ANP, ANS, SUSEP, ANM e outras), financiamentos e incentivos, fundos e o grupo econômico. A lista completa, com a licença e a data de cada fonte, está em tickerlab.com.br/dados.html.
  • Original guardado: cada arquivo baixado fica no acervo com o SHA-256 como nome, e cada coleta entra num registro e num manifesto diário.
  • Ponto no tempo: cada linha tem a data em que ficou pública e até quando valeu; como_era_em(base, data) devolve a base como era naquele dia.
  • Linhagem: cada linha de cada tabela se liga ao manifesto, à coleta e ao original no acervo.
  • Contrato de dados: as tabelas têm catálogo (base/contratos/catalogo.json), contrato congelado por versão e changelog (docs/CHANGELOG-da-base.md), com versão semântica conferida no CI. O dicionário de cada coluna está em docs/dicionario-da-base.md.
  • Âncora no Bitcoin: toda noite, se a base mudou, uma raiz de Merkle dos manifestos é carimbada pelo OpenTimestamps. O recibo prova que aquela versão já existia naquele bloco; não prova que o dado está certo (docs/ancoragem-da-base.md).
  • Qualidade sem maquiagem: as regras apontam problemas e nunca corrigem em silêncio; empresas que saíram da bolsa continuam na base (contra o viés de sobrevivência).

API e CLI de dados (TickerLab Data)

Um serviço FastAPI (src/api.py) com duas APIs: a de leitura está no ar, servindo o app; a externa fica desligada em produção até a decisão do autor.

  • API externa (/data/v1), para quem integra. A organização entra por uma chave no cabeçalho (na URL, o pedido é recusado), com quota do mês e limite por minuto. Cada campo sai num envelope com a fonte, a data e a atribuição, e passa por duas travas: o contrato da organização e o direito do TickerLab de redistribuir aquele dado.

    Rota O que devolve
    GET /companies busca de empresas por atividade (CNAE), UF, município, porte, natureza jurídica e situação
    GET /companies/{cnpj} e /profile cadastro na Receita e, da companhia aberta, as entregas à CVM com prazo e atraso
    GET /companies/{cnpj}/financials demonstrações financeiras
    GET /companies/{cnpj}/comparables comparáveis da companhia aberta, pelo grupo de setores
    GET /sectors e /sectors/{key} tamanho, concentração e companhias de um setor
    GET /funds/{cnpj} raio-x de fundo: taxas, carteira como era na data e custo da taxa
    GET /credit/{cnpj} fatos públicos de crédito de um CNPJ, como eram
    POST .../batch os mesmos conjuntos em lote (empresas, fundos e crédito)
    GET /catalog e /usage o que a chave pode consultar e o consumo do mês

    As rotas de dado aceitam known_at ("como era em"): a resposta é a que a base daria naquele dia.

  • API de leitura (/api/v1), para o app novo e o site: a conta entra pelo navegador, e as rotas chamam as mesmas funções de src/ que as telas usam. Entrega números calculados, nunca preço bruto.

  • CLI tickerlab (cli/): um cliente fino da API externa, num pacote à parte que depende só de click e httpx e não importa o resto do repositório. Traz instruções prontas para agentes de IA (tickerlab instrucoes).

Contratos publicados: docs/api/openapi-data-v1.json e docs/api/openapi-v1.json.

O app

O mapa das páginas fica num lugar só, src/paginas.py. Cada página tem uma frase dizendo para que serve, e cada número tem uma explicação em português.

Grupo O que responde
Analisar como o ativo se comportou: retorno, volatilidade, quedas, calendário, comparação com Ibovespa e S&P 500, correlação e beta
Estratégias e se eu tivesse seguido uma regra? Backtest, ranking descontando a sorte, carteira, experimentos e fases do mercado
Avançado um modelo vence a previsão ingênua? Aprendizado de máquina, pairs trading e a ficha da empresa para o analista
Research o que as empresas comunicaram, como estão os balanços, quem compra e vende: acontecimentos, linha do tempo, fundamentos, relatório da empresa e do setor, busca por CNPJ, pessoas de dentro, fundos, juros e inflação, alertas e a carteira da B3
Minha conta simulações guardadas, favoritos, exportar e apagar os dados (LGPD) e o plano

Evolução do capital: estratégia contra comprar e segurar

  • Relatório da empresa: margens, ROE, dívida e múltiplos calculados dos balanços entregues à CVM, notas contra o padrão do setor, notas clássicas (como a de Piotroski) e valuation sem preço-alvo. Cada número leva o rastro: as contas usadas e o documento de origem, na tela, no PDF e na API.
  • Backtest: 12 estratégias, custos, stops, CDI, imposto e validação (treino e teste, walk-forward, Monte Carlo, teste contra o acaso, Sharpe deflacionado e PBO), num motor escrito à mão. A ficha "Foi sorte?" resume as checagens num veredito.
  • Relatórios em PDF: saem das mesmas funções que a tela usa, e a seção "Limites e cuidados" é obrigatória.
  • Carteira da B3: as planilhas da Área do Investidor são lidas só na memória; nada é gravado.
  • Planos: os limites do Gratuito, do Plus e do Pro ficam num lugar só (src/planos.py) e valem também no banco de dados.
Preço e médias móveis Comparar ativos
Preço da PETR4 com médias móveis e volume Comparação de ativos
Risco (quedas) Retorno mensal
Drawdown Retorno mensal

O app está trocando o Streamlit por React, uma tela por vez: as telas novas (web/src/app/, mais de 20) consomem a API e já são a entrada principal; o que ainda não migrou abre na versão clássica.

O site público

Gerado em site/ pelo React de web/ e por scripts/gerar_site.py, a partir dos mesmos lugares que o app lê (páginas, planos, marca e catálogo da base).

  • Dados (dados.html): todas as fontes da base, por órgão, com a licença e o uso de cada uma.
  • Ferramentas grátis (ferramentas.html): 14 calculadoras e simuladores sem login (juros compostos, renda fixa, DARF, preço médio, financiamento, correção pela inflação e outras). As contas de referência estão em Python (src/ferramentas/) e rodam no navegador em TypeScript; um teste confere que as duas dão o mesmo número.
  • Pregão do dia (pregao-do-dia.html): o que o mercado fez em cada dia útil, a partir do fechamento oficial da B3. Diz o que aconteceu, nunca o porquê.
  • Estudos e relatórios abertos: o Raio-X do choque de 26/10/2026, o relatório de exemplo e o relatório de um setor, com a fonte e a data de cada número.

TickerLab Trade: a pesquisa de trading quantitativo

Uma linha de pesquisa separada do app (trader/, roda no PC do autor), para responder com rigor: um modelo de machine learning, treinado só com o passado, opera melhor do que uma regra simples de tendência, depois de custos e descontando a sorte de testar muitas ideias?

  • Método: o critério de aprovação é escrito antes de ver qualquer resultado (Sharpe deflacionado, PBO, t-estatística ≥ 3, estresse de custos, teste contra o acaso), com validação cruzada combinatória com expurgo, testes automáticos de vazamento e registro de todas as tentativas. Os pré-registros estão em docs/pre-registro-*.md.
  • Resultado até aqui: nenhum modelo foi aprovado, e isso também é publicado (docs/resultado-*.md).
  • Regras: só leitura (há testes que impedem o código de enviar ordens), só conta de demonstração e nada disso roda no app público.

Qualidade e testes

  • Mais de 14 mil testes (pytest) em mais de 800 arquivos, com PostgreSQL 16 de verdade, repartidos em 5 máquinas no GitHub Actions. O CI falha se a cobertura ficar abaixo de 85% (.coveragerc).
  • Estilo, tipos e código morto: ruff, pyright e vulture em todo commit.
  • Testes "golden": guardam os números da análise, das estratégias e da carteira; um número que muda sem subir a versão da fórmula quebra o teste.
  • Princípios com teste: sem olhar o futuro (cortar o futuro não muda o passado), isolamento entre contas, nenhuma ordem enviada pela pesquisa, a API sem preço bruto.
  • Casa em ordem: a raiz do repositório é trancada por teste, toda dependência pinada precisa ser usada e todo script diz quem o roda.
  • Fluxo: nada entra na main sem pull request e CI verde; a main vai para produção sozinha, com volta automática para a versão anterior se o app ou a API não subirem saudáveis.

As regras de engenharia, para pessoas e para assistentes de IA, estão em AGENTS.md e em docs/padroes-de-codigo.md.

Como rodar no seu computador

Requer Python 3.12 (os comandos abaixo são do PowerShell, no Windows).

python -m venv .venv
.venv\Scripts\python -m pip install -r requirements.txt
.venv\Scripts\python -m streamlit run app.py

Sem a configuração do login (.streamlit/secrets.toml), o app roda em modo local: sem contas, com todos os recursos liberados e um banco SQLite em dados_locais/. Sem internet, marque "Usar dados de exemplo" em "Opções avançadas": ele usa as cópias guardadas em dados_de_exemplo/.

Testes e estilo (prefira um arquivo por vez; a suíte inteira leva cerca de 40 minutos em 4 processos):

.venv\Scripts\python -m pytest -q tests/test_planos.py           # um arquivo
.venv\Scripts\python -m pytest -q -n 4 --dist loadgroup          # a suíte inteira
.venv\Scripts\python -m ruff check .
.venv\Scripts\python -m pyright

Site, CLI e banco:

.venv\Scripts\python -m scripts.exportar_conteudo               # conteúdo do Python para o React
.venv\Scripts\python -m scripts.gerar_site                      # parte do Python de site/
cd web; npm ci; npm run site                                      # páginas de site/ (React)
.venv\Scripts\python -m pip install -e cli                      # a CLI tickerlab, para mexer no código
.venv\Scripts\python -m alembic upgrade head                    # migrações do banco
Configuração de produção e Docker

Segredos nunca vão para o Git: ficam em .env (modelo em .env.example) e em .streamlit/secrets.toml (cliente OAuth do Google), fora do repositório.

  • TICKERLAB_DATABASE_URL (PostgreSQL), TICKERLAB_AMBIENTE=producao (sem o login configurado, o app não abre) e TICKERLAB_ADMINS.
  • Chaves do Stripe só de teste (rk_test_/sk_test_): o código recusa chaves de produção.
  • TICKERLAB_API_V1=1 e TICKERLAB_API_EXTERNA=1 ligam cada API; sem elas, as rotas respondem 404.

O compose.yaml sobe dois serviços com a mesma imagem (a que usa o requirements-prod.txt): tickerlab (o app) e tickerlab-api (FastAPI). As portas ficam só em 127.0.0.1; o acesso de fora chega por um túnel, sem nenhuma porta aberta para a internet. As migrações do Alembic são aplicadas quando o contêiner sobe. O PostgreSQL não está no compose.yaml: ele fica numa rede Docker externa chamada db, que precisa existir antes.

mkdir -p dados_locais && touch .streamlit/secrets.toml
docker network create db   # só na primeira vez; o PostgreSQL entra nesta rede
docker compose up -d --build

Estrutura

app.py            configura o app clássico (Streamlit), monta o menu e roda a página
telas/            a cola com o Streamlit: um arquivo ou pasta por grupo de páginas
src/              as contas, as regras e os dados (não importa o Streamlit)
  paginas.py      o mapa do app: grupos, páginas e a frase de cada uma
  planos.py       os limites de cada plano (um lugar só)
  marca.py        cores e fontes da identidade visual
  api.py          o serviço FastAPI: saúde, webhook do Stripe e as duas APIs
  api_v1/         a API de leitura do app e as rotas públicas do site
  api_externa/    a API externa de dados (/data/v1): chave, catálogo, consumo e conjuntos
  analista/       a tela do analista: a leitura da API externa para quem entra no app
  banco/          modelo, conexão e dados por conta (SQLAlchemy)
  ferramentas/    contas de referência das ferramentas grátis
base/             a base de dados: arquivista, ponto no tempo, linhagem, contratos e âncora
  arquivo/        o arquivista das fontes oficiais
  contratos/      catálogo e contratos versionados das tabelas
cli/              a CLI `tickerlab` (pacote à parte, só click e httpx)
web/              React + TypeScript: o site, as ferramentas e o app novo
site/             site público estático (gerado)
novo/             app novo em React, servido na raiz de app.tickerlab.com.br (gerado)
site-api/         o site e a documentação da TickerLab Data
conteudo/         glossário, estratégias, catálogo de ativos, termos e privacidade
migracoes/        migrações do banco (Alembic)
scripts/          deploy, coletas, cargas da base, âncora, geradores do site
tests/            testes automatizados (pytest)
docs/             padrões de código, base de dados, API, CLI, pré-registros e imagens
trader/           TickerLab Trade: pesquisa de trading, só leitura do MetaTrader 5
pesquisa/         bot de pesquisa local: leitura de documento com prova, para agentes de IA
static/           fontes e símbolo servidos pelo próprio site
dados_de_exemplo/ cópias de preços para rodar e testar sem internet
notas/, guias/, estudos/   caderno de estudos do autor

Tecnologias: Python 3.12, Pandas, FastAPI, SQLAlchemy 2, Alembic, PostgreSQL 16, Parquet, Streamlit, Plotly, React com TypeScript e Vite, Stripe (modo de teste), Docker Compose e GitHub Actions. Na pesquisa: scikit-learn, LightGBM, statsmodels, PyTorch (CPU) e o pacote MetaTrader5.

Segurança e privacidade

  • Login com o Google ou com um código enviado por e-mail; e-mail não verificado é recusado. Cada pessoa vê apenas os próprios dados: toda consulta filtra pela conta, com testes de isolamento.
  • Webhook do Stripe com assinatura verificada, idempotente e tolerante a eventos fora de ordem. O plano só muda pelo webhook.
  • API externa com a chave só no cabeçalho, o mesmo 401 para toda chave recusada, quota e limite por minuto.
  • Logs em JSON sem e-mail nem nome; a auditoria da administração guarda só ids.
  • LGPD: aceite dos termos com versão e data, exportação dos dados em JSON e exclusão da conta em cascata. Os textos estão em conteudo/termos.md e conteudo/privacidade.md.
  • Como relatar uma falha: SECURITY.md.

Limites conhecidos

Para uma avaliação justa, o que ainda não está pronto:

  • Sem receita: a cobrança está em modo de teste.
  • API externa desligada em produção: a /data/v1 está pronta no código e espera a decisão de ligar. A de leitura (/api/v1) já serve o app.
  • App em migração: parte das páginas ainda está no Streamlit (a versão clássica).
  • Base em construção: sem a carga do histórico completo do COTAHIST da B3; os intradiários são só para pesquisa e não aparecem no app.
  • Simplificações declaradas: custos e imposto simplificados no backtest, perna vendida do pairs trading sem o custo do aluguel, preços do Yahoo sujeitos a erro.
  • TickerLab Trade: nenhum modelo aprovado; não há operação com dinheiro real.
  • Decisões fora do repositório: o planejamento e as decisões de arquitetura (as ADRs citadas por número no código) ficam numa pasta privada do autor.

A história

O TickerLab começou como trabalho da matéria de Python e Pandas na faculdade: um script que baixava o preço de uma ação e desenhava um gráfico. Cada pergunta nova virou uma página, e o projeto cresceu até virar uma base de dados própria, uma API e um serviço web no ar. É criado e mantido por Tiago Borsari Coelho, com uso intenso de assistentes de IA e a disciplina de engenharia descrita acima: tudo por pull request, com testes e CI verde. O caminho do aprendizado ficou registrado no próprio repositório (notas/, guias/, estudos/).

Referências das técnicas

Sharpe probabilístico e deflacionado (Bailey e López de Prado, 2014), PBO (Bailey, Borwein, López de Prado e Zhu, 2017), barreira tripla, expurgo e embargo, validação cruzada combinatória, meta-rotulagem e HRP (López de Prado), variância gerida (Moreira e Muir, 2017), cointegração (Engle e Granger), limiar de t-estatística para múltiplos testes (Harvey, Liu e Zhu, 2016), F-score (Piotroski, 2000), árvores de Merkle no formato da RFC 6962 e o OpenTimestamps. As fórmulas foram implementadas a partir da descrição dos artigos e conferidas por testes e simulações; vale conferi-las nas fontes originais antes de qualquer uso sério.

Direitos autorais

© 2026 Tiago Borsari Coelho. Todos os direitos reservados.

Este repositório é público para consulta (avaliação acadêmica, de investidores e portfólio), mas não tem licença de código aberto: o código, os textos e a identidade visual do TickerLab não podem ser copiados, modificados, redistribuídos nem usados em outro produto ou serviço sem autorização por escrito do autor. Ver o código no GitHub e criar um fork pela própria plataforma é permitido pelos termos de uso do GitHub; isso não dá direito de uso fora dele.

Componentes de terceiros continuam com as próprias licenças: as bibliotecas listadas em requirements.txt, requirements-trader.txt, requirements-estudos.txt e web/package.json, e as fontes Manrope e JetBrains Mono (SIL Open Font License, textos em static/fontes/). Os dados abertos republicados seguem as licenças das fontes.



Feito por Tiago Borsari Coelho · começou na matéria de Python e Pandas
Não é recomendação de investimento. Sem promessa de rentabilidade.

About

Dados auditáveis para quem analisa empresas no Brasil, em fase de testes: base por CNPJ feita de fontes públicas, API e CLI de dados, app de análise e backtest. Fonte, data e original com hash em cada número.

Topics

Resources

Security policy

Stars

1 star

Watchers

1 watching

Forks

Releases

Packages

Used by

Contributors

Languages