Como analisar ações da B3 com Perplexity e dados reais (2026)

Por que o Perplexity erra números de ações brasileiras

Um modelo de linguagem gera texto estatisticamente plausível. Ele não consulta um banco de dados auditado quando você pergunta o P/L de uma ação: ele produz a sequência de caracteres mais provável dado o treino. Para conhecimento estável (o que é o índice de Basileia, como se calcula o ROE) isso funciona bem. Para um valor que muda a cada trimestre, como o lucro por ação de uma empresa após o último balanço, o resultado é uma aproximação, e aproximação em análise de investimento é erro.

O Perplexity mitiga parte disso combinando o modelo com busca na web e citações. É um avanço real frente a um chatbot puro. O problema é específico do mercado brasileiro: dados fundamentalistas da B3 são fragmentados, muitas vezes ficam atrás de logins ou paywalls, aparecem em formatos que a busca não lê bem (tabelas em imagem, PDFs de release) e, principalmente, são datados. Uma página que a busca encontra pode trazer o P/L calculado com o preço de três meses atrás ou com um balanço que já foi superado por um novo ITR. Quando a fonte confiável não está acessível, o modelo preenche a lacuna, e é aí que nasce a alucinação de um número que parece certo.

Há ainda a divergência de metodologia. Sites diferentes calculam o mesmo indicador de formas diferentes: lucro consolidado ou da controladora, TTM ou último exercício anual, EBIT limpo ou a conta 3.05 da CVM. Se o Perplexity mistura fontes com metodologias distintas, a resposta vira uma média de coisas incompatíveis. A bolsai padroniza tudo isso: o lucro líquido TTM usa a conta 3.11 (resultado consolidado), consistente com a metodologia do Fundamentus, e o EBIT é calculado de forma limpa (lucro bruto menos despesas operacionais), não pela conta 3.05. Esse detalhe importa quando a análise depende do número certo.

O padrão confiável: dados de referência da bolsai + raciocínio do Perplexity

A divisão de trabalho é simples e joga com a força de cada ferramenta. A API bolsai fornece o dado de referência: números oficiais da B3, da CVM e do Banco Central, com metodologia documentada e atualização diária após o fechamento. O Perplexity fornece o raciocínio: contextualiza os números, compara com pares, escreve a narrativa e cita fontes externas para o cenário qualitativo (notícias, tese setorial, risco regulatório). Você une os dois entregando o dado à IA antes de pedir a análise.

Existem três formas de fazer essa entrega, da mais universal à mais automatizada. As três consomem os mesmos endpoints da API bolsai.

1. Colar o recorte no chat (funciona em qualquer plano)

A forma mais direta: você faz uma requisição à API bolsai, copia a resposta (JSON ou uma tabela) e cola no Perplexity junto com a pergunta. Funciona nos planos gratuito e pago, sem configuração. É ideal para análises pontuais de uma ou duas ações. O limite é a quantidade: colar centenas de linhas polui a conversa.

2. Upload de CSV (melhor para conjuntos maiores)

O Perplexity aceita upload de arquivos como fonte da resposta, incluindo CSV, além de PDF, XLSX, JSON e TXT. Qualquer endpoint de lista da bolsai gera CSV adicionando ?format=csv. Você exporta o histórico de preços, uma lista de dividendos ou o resultado de um screener em CSV, sobe o arquivo e pede a análise. É o caminho recomendado para conjuntos com dezenas ou centenas de linhas.

3. Conectores MCP (automatizado, planos pagos)

O Perplexity vem adicionando suporte a conectores MCP (Model Context Protocol), o mesmo padrão aberto que a bolsai já expõe via bolsai-mcp (pacote open source no PyPI, instalável com pip install bolsai-mcp). Com um conector configurado, o Perplexity chamaria as ferramentas da bolsai sozinho durante a conversa, sem você extrair e colar nada. Esse recurso fica nos planos pagos do Perplexity e a disponibilidade e o passo a passo mudam com frequência, então confira a central de ajuda do próprio Perplexity antes de contar com ele. Se o seu objetivo é uma integração MCP nativa e totalmente suportada hoje, o Claude Desktop é o caminho mais estável, descrito no guia do MCP Server para B3 com Claude. Para uma conexão via ChatGPT, veja o post sobre GPT Actions e OAuth2 com a bolsai.

O restante deste guia foca nos caminhos 1 e 2, que funcionam em qualquer plano do Perplexity e não dependem de recurso em evolução. Comece por eles.

Passo a passo: extrair os dados da B3 na bolsai

Antes de conversar com o Perplexity, você precisa do dado. A autenticação da API bolsai usa uma chave que sai do dashboard após login com Google, enviada no header X-API-Key ou como parâmetro api_key. O exemplo abaixo em Python puxa os fundamentos de uma ação e monta um resumo pronto para colar no Perplexity. Ele usa apenas a biblioteca requests.

# resumo_para_perplexity.py
# Gera um bloco de dados de referência para colar no Perplexity.
import requests

BASE = "https://api.usebolsai.com/api/v1"
HEADERS = {"X-API-Key": "sua_chave_aqui"}
TICKER = "WEGE3"

# Fundamentos: valuation, rentabilidade, endividamento
fund = requests.get(f"{BASE}/fundamentals/{TICKER}", headers=HEADERS).json()

# Dividendos: dividend yield TTM vem daqui, nao dos fundamentos
div = requests.get(f"{BASE}/dividends/{TICKER}",
                   headers=HEADERS, params={"years": 3}).json()

# Monta um bloco de texto enxuto e datado
linhas = [
    f"Dados de referencia da B3 (fonte: API bolsai)",
    f"Ticker: {TICKER}",
    f"Atualizado em: {fund.get('reference_date')}",
    f"P/L: {fund.get('pl')}",
    f"P/VP: {fund.get('pvp')}",
    f"EV/EBITDA: {fund.get('ev_ebitda')}",
    f"ROE: {fund.get('roe')}%",
    f"ROIC: {fund.get('roic')}%",
    f"Margem liquida: {fund.get('net_margin')}%",
    f"Divida liquida/EBITDA: {fund.get('net_debt_ebitda')}",
    f"Dividend yield (TTM): {div.get('dividend_yield_ttm')}%",
]
print("\n".join(linhas))

O script imprime um bloco compacto. Repare que o dividend_yield não vem de /fundamentals: o campo de yield TTM fica no endpoint /dividends/{ticker}, como dividend_yield_ttm. Misturar isso é um erro comum de quem monta o primeiro fluxo. A saída tem o formato a seguir (os valores abaixo são ilustrativos, apenas para mostrar o layout; os reais virão da chamada):

Esse bloco é o material que o Perplexity vai analisar. Ele carrega a data de atualização, o que ajuda a IA a não confundir com dados antigos, e usa nomes de campo claros. Para quem prefere não escrever código, o passo seguinte mostra como gerar CSV direto pela URL, sem Python.

Exportar CSV sem código (para upload no Perplexity)

Endpoints de lista aceitam ?format=csv. O exemplo abaixo baixa o histórico de preços ajustado de uma ação em CSV, pronto para subir no Perplexity e pedir uma análise de tendência ou de volatilidade. Rode no terminal:

# Baixa o historico de precos em CSV
curl -H "X-API-Key: sua_chave_aqui" \
  "https://api.usebolsai.com/api/v1/stocks/WEGE3/history?start=2025-01-01&format=csv" \
  -o wege3_precos.csv

O arquivo wege3_precos.csv traz as colunas de data e OHLCV (abertura, máxima, mínima, fechamento e volume), com séries ajustadas por proventos e desdobramentos. É esse CSV que você arrasta para a caixa de mensagem do Perplexity. Vale limitar o período com start e end para manter o arquivo pequeno e garantir que a IA leia tudo.

Prompts que funcionam com dados da bolsai no Perplexity

Com o dado em mãos, o prompt muda de natureza. Em vez de perguntar um valor (que a IA tentaria adivinhar), você fornece o valor e pede interpretação. Três padrões cobrem a maioria dos usos. Um bom prompt sempre instrui a IA a se ater aos dados fornecidos e a marcar quando estiver saindo deles para o conhecimento geral.

Prompt 1: interpretar os fundamentos de uma ação

Cole o bloco gerado pelo script e enquadre a análise. O trecho entre chaves representa o bloco colado.

# Prompt para o Perplexity
Use exclusivamente os dados abaixo como fonte para os numeros.
Nao substitua nenhum valor por conhecimento previo. Se algum
indicador nao estiver na lista, diga que nao foi fornecido.

{cole aqui o bloco gerado pelo script}

Com base nesses dados, avalie:
1. O valuation (P/L, P/VP, EV/EBITDA) esta caro ou barato para
   o setor da empresa?
2. A rentabilidade (ROE, ROIC, margem) justifica o multiplo?
3. O endividamento (divida liquida/EBITDA) e o dividend yield
   indicam algum risco ou atrativo?
Cite fontes externas apenas para o contexto setorial, nunca
para os numeros, que vem dos dados acima.

A instrução de não substituir valores por conhecimento prévio é o detalhe que evita a alucinação. Sem ela, o Perplexity pode ignorar seu bloco e citar um número da busca. Com ela, o raciocínio fica ancorado nos dados da bolsai e a IA usa a web apenas para o que é bom: o cenário qualitativo. A metodologia por trás de cada indicador está detalhada no post prompts de análise de ações para ChatGPT e Claude, cujos princípios valem igualmente para o Perplexity.

Prompt 2: comparar várias ações a partir de um CSV

Para comparar empresas, gere um CSV com uma linha por ticker e suba no Perplexity. Um jeito prático de montar esse CSV é chamar /fundamentals/{ticker} para cada ação e salvar os campos num arquivo. Depois, o prompt:

# Prompt para o Perplexity (com o CSV anexado)
O arquivo anexado tem fundamentos de bancos da B3 extraidos da
API bolsai (dados oficiais da CVM, atualizados no fechamento).
Trate o CSV como unica fonte para os numeros.

Monte uma tabela comparativa com P/L, P/VP, ROE e dividend yield.
Ordene por ROE decrescente. Em seguida, escreva dois paragrafos:
qual banco combina rentabilidade alta com valuation mais baixo,
e quais ressalvas metodologicas se aplicam a bancos (por que
divida liquida/EBITDA nao faz sentido para instituicoes
financeiras).

Aqui o Perplexity faz o que uma planilha faria (ordenar, tabular) e acrescenta a leitura. A ressalva sobre bancos é real e importante: métricas de endividamento como dívida líquida sobre EBITDA não se aplicam a instituições financeiras, cujo passivo é a matéria-prima do negócio. A bolsai reflete isso retornando esses campos como nulos para bancos e usando as contas 2.07/2.08 em vez de 2.03 para o patrimônio, o que evita que a IA compare peras com maçãs.

Prompt 3: analisar dividendos e projetar renda

Exporte o histórico de dividendos e peça uma leitura de consistência. O endpoint /dividends/{ticker} retorna, para cada pagamento, a data ex (ex_date), a data de pagamento (payment_date), o valor por ação (value_per_share) e o tipo (Dividendo, JCP ou Bonificação), além de um resumo anual em annual_summary.

# Prompt para o Perplexity
Os dados abaixo sao o historico de proventos de uma acao da B3,
extraido da API bolsai (ex_date, payment_date, tipo, valor por
acao). Use apenas esses dados.

{cole aqui o JSON de /dividends/{ticker}}

Avalie a consistencia dos pagamentos nos ultimos 3 anos:
frequencia, tendencia do valor e proporcao entre Dividendo e
JCP. Considerando o dividend yield TTM informado, estime a renda
bruta anual de uma posicao de R$ 50.000, e explique por que o
JCP tem tratamento tributario diferente do dividendo.

A distinção entre Dividendo e JCP tem efeito fiscal concreto no Brasil: o JCP sofre retenção de imposto na fonte, o dividendo (na regra vigente) não. Como a bolsai discrimina o tipo de cada pagamento no campo type, o Perplexity consegue fazer a conta líquida corretamente, algo que ele erraria se estivesse trabalhando de memória. Para aprofundar a mecânica dos proventos, vale ler também o guia de integração de dados da B3 com IA.

Usando Spaces do Perplexity para research recorrente

Se você analisa a bolsa com frequência, os Spaces do Perplexity (também chamados de projetos) valem a configuração. Um Space guarda instruções fixas que se aplicam a toda conversa dentro dele e permite anexar arquivos que servem de fonte para as buscas naquele contexto. Para análise da B3, a receita é criar um Space dedicado, subir os CSVs exportados da bolsai como fontes e definir uma instrução permanente que ancore o comportamento da IA.

Uma instrução de Space útil seria algo como: tratar os arquivos anexados (dados da bolsai) como fonte primária para qualquer número de ação brasileira; nunca substituir esses valores por estimativas; sempre citar a data de atualização dos dados; e usar a busca na web apenas para contexto qualitativo, deixando claro quando um número vem da web e não dos arquivos. Com isso, cada pergunta nova no Space já herda a disciplina de dados sem você repetir o enquadramento.

Os Spaces, a escolha de modelos de raciocínio mais fortes e o volume maior de upload são recursos dos planos pagos do Perplexity. Nada disso é obrigatório para o padrão deste guia: colar o bloco de dados no chat gratuito já entrega o essencial. Os Spaces apenas reduzem o atrito de quem repete o fluxo toda semana. Para atualizar as fontes, basta reexportar os CSVs da bolsai (os dados de fechamento são atualizados diariamente às 20h30) e substituir os arquivos no Space.

Perplexity, ChatGPT e Claude: qual usar para ações da B3

As três ferramentas resolvem o mesmo problema por caminhos diferentes, e o princípio é idêntico em todas: a IA raciocina melhor quando recebe dados de referência em vez de tentar recuperá-los da memória. A tabela resume as diferenças práticas para quem quer análise de bolsa brasileira.

A vantagem específica do Perplexity é a busca com citações: ele é forte para juntar o dado quantitativo (que você dá) com o cenário qualitativo (que ele encontra e referencia). Para automação pesada e integração nativa, o MCP com Claude é o caminho mais direto porque a bolsai já expõe 10 ferramentas MCP prontas. Para um assistente dentro do ChatGPT, o post de GPT Actions com OAuth2 cobre o fluxo completo. A escolha depende de onde você já trabalha, mas a fonte de dados pode ser a mesma nas três.

Boas práticas para não voltar a alucinar

Alimentar a IA com dados reais resolve a maior parte do problema, mas alguns cuidados fecham as brechas que restam. São hábitos simples que diferenciam uma análise auditável de uma resposta bonita e sem lastro.

• Ancore a data. Inclua o campo reference_date (fundamentos) ou trade_date (cotações) no bloco que você cola. A IA passa a saber a que momento o dado se refere e evita comparar com informação antiga da busca.
• Instrua a não substituir. Deixe explícito no prompt que os números vêm do bloco fornecido e que a IA não deve trocá-los por conhecimento próprio. Peça que ela sinalize quando um dado não estiver na fonte.
• Separe número de narrativa. Use a bolsai para os valores e a busca do Perplexity só para o contexto (tese, notícia, risco setorial). Peça que a resposta marque a origem de cada afirmação.
• Mantenha o CSV enxuto. Exporte apenas o recorte necessário. Arquivos grandes podem ser lidos pela metade, e a IA analisa o que não leu como se não existisse.
• Confira o que for decisivo. Para um número que vai embasar decisão de investimento, cheque contra o dashboard da bolsai ou a resposta bruta da API. A IA acelera a análise, não substitui a conferência final.
• Lembre do escopo. Os dados da bolsai são de fechamento (20h30, horário de Brasília), não intradiários. Para day trade ou cotação ao vivo, este fluxo não serve.

Nada disso torna a IA infalível, mas muda o jogo: em vez de esperar que o Perplexity acerte um número que ele não tem como saber, você entrega o número certo e usa a IA para o que ela faz bem, que é raciocinar e escrever. Esse é o cerne de Perplexity análise ações brasileiras feito com responsabilidade.

Perguntas frequentes

O Perplexity consegue analisar ações da bolsa brasileira sozinho?

Parcialmente, e com risco. O Perplexity combina os dados do modelo de linguagem com busca na web, mas dados fundamentalistas da B3 (P/L, ROE, dividend yield, dívida líquida) são fragmentados, ficam atrás de logins e mudam a cada balanço trimestral. Quando o número exato não está disponível numa fonte que a busca consiga ler, o modelo tende a preencher a lacuna com um valor plausível porém incorreto ou desatualizado. O padrão confiável é fornecer o dado atual da B3 (via API bolsai, em CSV ou JSON) e pedir que o Perplexity raciocine sobre ele, em vez de confiar que ele lembre o número certo.

O Perplexity aceita upload de CSV para análise de dados?

Sim. O Perplexity aceita upload de arquivos, incluindo CSV, além de PDF, XLSX, JSON e TXT, e usa o conteúdo como fonte da resposta. Arquivos muito grandes podem ser lidos apenas em parte, então vale exportar da bolsai só o recorte necessário (uma ação, um período, poucas colunas) e manter o CSV enxuto. A API bolsai gera CSV em qualquer endpoint de lista adicionando o parâmetro format=csv.

Preciso do plano pago do Perplexity para usar dados da bolsai?

Não para o padrão principal. Colar um recorte de dados no chat ou subir um CSV exportado da bolsai funciona nos planos gratuito e pago. Recursos como os Spaces (com instruções fixas e arquivos de referência), a escolha de modelos de raciocínio mais fortes e os conectores MCP remotos ficam nos planos pagos do Perplexity e são opcionais. Do lado da bolsai, o plano gratuito (200 requisições por dia) já cobre a extração dos dados.

Por que não confiar direto nos números que a IA responde sobre ações?

Porque modelos de linguagem geram texto estatisticamente plausível, não consultam um banco de dados auditado. Para uma pergunta como o P/L atual de uma ação, a resposta pode refletir o preço de meses atrás, um balanço antigo ou uma metodologia diferente da que você espera. Fundamentos da B3 são especialmente sensíveis: eles mudam a cada DFP e ITR publicados na CVM. A regra prática é tratar o número que sai da IA como hipótese e checar contra a fonte, ou melhor, dar a fonte para a IA logo de início.

Os dados da bolsai são em tempo real para usar no Perplexity?

Não são intradiários. As cotações e indicadores macro são atualizados diariamente às 20h30 (horário de Brasília), após o fechamento da B3. Empresas, balanços, dividendos e FIIs são atualizados semanalmente. Para análise fundamentalista e de dividendos, o dado de fechamento é o padrão e é suficiente. Para day trade e cotação intradiária, a bolsai não é a ferramenta adequada.

Leia também

O conteúdo deste artigo tem caráter educacional e técnico. Os dados citados refletem valores públicos disponíveis no momento da publicação e podem mudar; os números usados nos exemplos são ilustrativos e servem apenas para demonstrar o formato. Nada aqui constitui recomendação de compra ou venda de ativos financeiros. Perplexity é marca da Perplexity AI; ChatGPT é marca da OpenAI; Claude e Model Context Protocol são marcas da Anthropic PBC. Os recursos de terceiros descritos podem mudar a qualquer momento; consulte a documentação oficial de cada produto.