envirosia

Envirosia?

A Envirosia simplifica os fluxos de trabalho de análise de fundos ESG, integrando o poder do GPT-4 com dados em tempo real. Construído por fã de Yuchao.

Demonstração

Envirosia_Demo_v2.mp4

Envirosia_Demo_Pt_2.MP4

Motivação

O ESG está se tornando uma consideração cada vez mais importante para as decisões de investimento de instituições e indivíduos. Para atender a essa demanda, as agências de classificação agora fornecem uma variedade de pontuações de ESG para ações e fundos individuais. No entanto, as classificações de ESG podem ser altamente inconsistentes entre as agências, e as classificações gerais de fundos podem ser opacas. É preciso primeiro olhar para as participações subjacentes do fundo e considerar dados de um painel diversificado de fontes antes de chegar a uma conclusão.

Conversamos com vários analistas de ESG, que identificaram dois pontos importantes nesse processo: 1. Agregando os dados relevantes e 2. O processamento e análise inicial dos dados para extrair insights importantes. O ponto anterior é parcialmente mitigado se você tiver um terminal Bloomberg, mas o último ponto continua sendo um problema (e o terminal tem um custo pesado).

A Envirosia fornece uma solução de ponta a ponta que aborda esses dois pontos da dor e foi projetada para ser muito mais acessível; Queremos democratizar o investimento da ESG. Essa prova de conceito é construída usando a estrutura do streamlit, e a única entrada necessária do usuário é o nome do fundo que eles desejam analisar. O Yahoo Finance e o DuckDuckgo-Search são usados ​​pela primeira vez para extrair as participações de fundos e os metadados básicos. Existem dois recursos principais:

1. Usando a lista de webs -shebs assíncronos (asyncio/aiohttp) e o analisador BongeSoup XML, somos capazes de coletar rapidamente os dados ESG mais recentes das três grandes agências de classificação de ESG: MSCI, Refinitiv e Sustentalytics. Nenhum deles tem APIs gratuitas destinadas ao uso externo; No entanto, ao rastrear solicitações XHR, pude reverter o engenheiro dos terminais da API subjacente que atendem aos sites. O DynamoDB é usado para fins de cache.
2. Com uma engenharia rápida rápida, todos esses dados são passados ​​para a API GPT-4. O GPT-4 fornece algumas análises iniciais dos dados numéricos ESG, como o desempenho de um determinado estoque em relação a seus pares e também resume os dados de texto. A resposta do GPT-4 é transmitida de volta para o usuário e os dados são visualizados usando pandas e plotagem.

Envirosia em execução

Crie um arquivo .env no diretório pai que contém o seguinte:

 OPENAI_API_KEY = 1234567890

AWS_ACCESS_KEY_ID = ABCDEFGH

AWS_SECRET_ACCESS_KEY = ABCDEFGH

Instalar requisitos:

 pip install requirements.txt

Para executar o aplicativo StreamLit:

 streamlit run Home.py

Planos de desenvolvimento futuros

• Adicione mais fontes de dados, como o vento (para a China)
• Integre plugins da web para permitir que o GPT-4 pesquise as últimas notícias sobre um determinado estoque
• Melhore o raspagem assíncrono para usar um semáforo (atualmente, não estamos fazendo pleno uso da funcionalidade assíncrona para evitar bloquear nosso IP)
• Migrar para uma estrutura adequada de back-end-Frontend