Ações do Setor Elétrico em 2026: Análise Completa e Melhores Empresas

GERAÇÃO → TRANSMISSÃO → DISTRIBUIÇÃO → CONSUMIDOR

Geração:        Usinas produzem energia (hidro, eólica, solar, térmica)
Transmissão:    Linhas de alta tensão levam energia longas distâncias
Distribuição:   Leva energia até casas e empresas
Comercialização: Vende energia para grandes consumidores

Vantagens da Transmissão:
├── Receita garantida por contrato (RAP)
├── Reajuste anual pela inflação (IPCA/IGP-M)
├── Baixo risco operacional
├── Margens elevadas (40-60%)
├── Capex concentrado no início
└── Fluxo de caixa previsível = dividendos altos

Exemplo simplificado:
Linha de transmissão X
RAP contratada: R$ 100 milhões/ano
Reajuste anual: IPCA

Ano 1: R$ 100 milhões
Ano 2: R$ 105 milhões (IPCA 5%)
Ano 3: R$ 110,25 milhões
...

import requests

def analisar_transmissoras(token: str):
    """
    Analisa principais transmissoras de energia
    """
    transmissoras = ["TAEE11", "TRPL4", "ALUP11"]
    
    tickers = ",".join(transmissoras)
    url = f"https://brapi.dev/api/quote/{tickers}"
    params = {
        "token": token,
        "modules": "dividendsData,defaultKeyStatistics,financialData"
    }
    
    response = requests.get(url, params=params)
    data = response.json()['results']
    
    print("=" * 80)
    print("TRANSMISSORAS DE ENERGIA")
    print("=" * 80)
    print(f"{'Ticker':<10} {'Preço':<10} {'DY':<8} {'P/L':<8} {'Margem':<10} {'Dív/PL':<8}")
    print("-" * 80)
    
    for ativo in data:
        ticker = ativo['symbol']
        preco = ativo.get('regularMarketPrice', 0)
        
        dividendos = ativo.get('dividendsData', {})
        dy = (dividendos.get('yield', 0) or 0) * 100
        
        stats = ativo.get('defaultKeyStatistics', {})
        pl = stats.get('priceToEarnings', 0) or 0
        
        financials = ativo.get('financialData', {})
        margem = (financials.get('profitMargins', 0) or 0) * 100
        divida_pl = (financials.get('debtToEquity', 0) or 0) / 100
        
        print(f"{ticker:<10} R$ {preco:<7.2f} {dy:<7.2f}% {pl:<7.1f} {margem:<9.1f}% {divida_pl:<7.2f}x")

analisar_transmissoras("SEU_TOKEN")

GSF (Generation Scaling Factor):
Mede a disponibilidade de água nas usinas

GSF = 1.00 → Água normal
GSF < 1.00 → Seca (menos geração)
GSF > 1.00 → Chuva acima (mais geração)

Impacto: Quando GSF < 1, hidrelétricas precisam
comprar energia no mercado spot para honrar contratos.

Distribuidora compra energia → Cobra tarifa → Entrega ao consumidor

Tarifa = Parcela A (energia, transmissão) + Parcela B (remuneração)

Parcela A: Repasse (pass-through)
Parcela B: Onde está o lucro da distribuidora

import requests

def comparar_setor_eletrico(token: str):
    """
    Compara principais empresas do setor elétrico
    """
    empresas = [
        "TAEE11", "ELET3", "EGIE3", "CPFE3", "CMIG4",
        "ENGI11", "EQTL3", "CPLE6", "AESB3", "NEOE3"
    ]
    
    tickers = ",".join(empresas)
    url = f"https://brapi.dev/api/quote/{tickers}"
    params = {
        "token": token,
        "modules": "dividendsData,defaultKeyStatistics,financialData"
    }
    
    response = requests.get(url, params=params)
    data = response.json()['results']
    
    resultados = []
    
    for ativo in data:
        ticker = ativo['symbol']
        preco = ativo.get('regularMarketPrice', 0)
        variacao = ativo.get('regularMarketChangePercent', 0)
        
        dividendos = ativo.get('dividendsData', {})
        dy = (dividendos.get('yield', 0) or 0) * 100
        
        stats = ativo.get('defaultKeyStatistics', {})
        pl = stats.get('priceToEarnings', 0) or 0
        pvp = stats.get('priceToBook', 0) or 0
        
        financials = ativo.get('financialData', {})
        roe = (financials.get('returnOnEquity', 0) or 0) * 100
        margem = (financials.get('profitMargins', 0) or 0) * 100
        
        resultados.append({
            'ticker': ticker,
            'preco': preco,
            'dy': dy,
            'pl': pl,
            'pvp': pvp,
            'roe': roe,
            'margem': margem
        })
    
    # Ordena por DY
    resultados.sort(key=lambda x: x['dy'], reverse=True)
    
    print("=" * 90)
    print("COMPARATIVO SETOR ELÉTRICO - ORDENADO POR DY")
    print("=" * 90)
    print(f"{'Ticker':<10} {'Preço':<10} {'DY':<8} {'P/L':<8} {'P/VP':<8} {'ROE':<8} {'Margem':<8}")
    print("-" * 90)
    
    for r in resultados:
        dy_emoji = "🟢" if r['dy'] > 7 else ("🟡" if r['dy'] > 4 else "⚪")
        print(f"{r['ticker']:<10} R$ {r['preco']:<7.2f} {r['dy']:<7.2f}% {r['pl']:<7.1f} "
              f"{r['pvp']:<7.2f} {r['roe']:<7.1f}% {r['margem']:<7.1f}% {dy_emoji}")
    
    # Médias
    dy_medio = sum(r['dy'] for r in resultados) / len(resultados)
    pl_medio = sum(r['pl'] for r in resultados if r['pl'] > 0) / len([r for r in resultados if r['pl'] > 0])
    
    print("-" * 90)
    print(f"{'MÉDIA':<10} {'---':<10} {dy_medio:<7.2f}% {pl_medio:<7.1f}")

comparar_setor_eletrico("SEU_TOKEN")

EV/EBITDA Setor Elétrico:
├── < 5x: Barato
├── 5-7x: Justo
└── > 7x: Caro

Por segmento:
├── Transmissão: 7-9x (mais estável)
├── Geração: 5-7x
└── Distribuição: 4-6x (mais risco)

Alavancagem ideal:
├── < 2x: Conservador
├── 2-3x: Aceitável
├── 3-4x: Alto
└── > 4x: Preocupante

Setor permite mais alavancagem devido à previsibilidade.

Empresas de dividendos:
├── TAEE11: Payout ~100%, DY 8-10%
├── CMIG4: Payout variável, DY 8-12%
├── CPFE3: Payout ~75%, DY 7-9%

Empresas de crescimento:
├── EQTL3: Payout ~25%, DY 2-4%
├── ENGI11: Payout ~50%, DY 4-6%

def analisar_rap_transmissora(ticker: str):
    """
    Informações sobre RAP (exemplo conceitual)
    """
    # Dados típicos de transmissoras
    transmissoras_info = {
        "TAEE11": {
            "rap_total": 3200,  # R$ milhões
            "vencimentos": {
                "2026-2030": 30,  # % da RAP
                "2031-2035": 25,
                "2036-2040": 25,
                "2041+": 20
            },
            "reajuste": "IPCA"
        },
        "TRPL4": {
            "rap_total": 2100,
            "vencimentos": {
                "2026-2030": 20,
                "2031-2035": 30,
                "2036-2040": 30,
                "2041+": 20
            },
            "reajuste": "IPCA"
        }
    }
    
    if ticker in transmissoras_info:
        info = transmissoras_info[ticker]
        print(f"\n{ticker} - Análise de RAP:")
        print(f"RAP Total: R$ {info['rap_total']} milhões")
        print(f"Índice de reajuste: {info['reajuste']}")
        print("\nVencimentos das concessões:")
        for periodo, percent in info['vencimentos'].items():
            barra = "█" * (percent // 2)
            print(f"  {periodo}: {percent}% {barra}")

Carteira Dividendos Energia:
├── 30% TAEE11 (transmissão, DY alto)
├── 25% CPFE3 (integrada, DY alto)
├── 20% EGIE3 (geração, ESG)
├── 15% CMIG4 (integrada, DY alto)
└── 10% CPLE6 (integrada)

Meta: DY médio 7-9%

Carteira Balanceada Energia:
├── 25% ELET3 (turnaround + dividendos)
├── 25% EQTL3 (crescimento)
├── 20% TAEE11 (dividendos)
├── 15% EGIE3 (ESG + dividendos)
└── 15% ENGI11 (crescimento)

Meta: DY 4-6% + valorização

Carteira ESG Energia:
├── 35% EGIE3 (líder em renováveis)
├── 25% AESB3 (eólica + solar)
├── 20% EQTL3 (compromisso ESG)
└── 20% ELET3 (maior hidrelétrica)

Meta: Exposição a tendências de descarbonização

ANEEL regula tarifas e concessões

Riscos:
├── Revisão tarifária desfavorável
├── Não renovação de concessões
├── Mudanças nas regras do jogo
└── Interferência política

Brasil depende de hidrelétricas (~60%)

Seca prolongada:
├── Menos geração hidro
├── Acionamento de térmicas (custo alto)
├── Bandeiras tarifárias
├── Risco de racionamento
└── Impacto em geradoras

Setor é sensível a juros:

Selic alta:
├── Alavancagem mais cara
├── Valuation comprimido
├── Competição com renda fixa
└── Pressão no preço das ações

Selic baixa:
├── Refinanciamento barato
├── Valuation expandido
├── Dividendos mais atrativos
└── Alta nas ações

Mudanças no longo prazo:
├── Geração distribuída (painéis solares)
├── Armazenamento de energia
├── Eficiência energética
├── Mudança no modelo de negócio
└── Obsolescência de ativos

import requests

def screener_setor_eletrico(token: str):
    """
    Encontra melhores oportunidades no setor elétrico
    """
    empresas = [
        "TAEE11", "ELET3", "ELET6", "EGIE3", "CPFE3", "CMIG4",
        "ENGI11", "EQTL3", "CPLE6", "AESB3", "NEOE3", "TRPL4",
        "ALUP11", "ENBR3", "CESP6"
    ]
    
    tickers = ",".join(empresas)
    url = f"https://brapi.dev/api/quote/{tickers}"
    params = {
        "token": token,
        "modules": "dividendsData,defaultKeyStatistics,financialData"
    }
    
    response = requests.get(url, params=params)
    data = response.json()['results']
    
    # Filtros
    min_dy = 5  # DY mínimo
    max_pl = 12  # P/L máximo
    max_divida = 3  # Dívida/PL máximo
    
    aprovadas = []
    
    for ativo in data:
        ticker = ativo['symbol']
        
        dividendos = ativo.get('dividendsData', {})
        dy = (dividendos.get('yield', 0) or 0) * 100
        
        stats = ativo.get('defaultKeyStatistics', {})
        pl = stats.get('priceToEarnings', 0) or 0
        
        financials = ativo.get('financialData', {})
        divida_pl = (financials.get('debtToEquity', 0) or 0) / 100
        roe = (financials.get('returnOnEquity', 0) or 0) * 100
        
        # Aplica filtros
        if dy >= min_dy and 0 < pl <= max_pl and divida_pl <= max_divida:
            score = (dy / 10) + (15 / pl if pl > 0 else 0) + (roe / 20)
            aprovadas.append({
                'ticker': ticker,
                'dy': dy,
                'pl': pl,
                'divida_pl': divida_pl,
                'roe': roe,
                'score': score
            })
    
    # Ordena por score
    aprovadas.sort(key=lambda x: x['score'], reverse=True)
    
    print("=" * 70)
    print("SCREENER SETOR ELÉTRICO - MELHORES OPORTUNIDADES")
    print(f"Filtros: DY>{min_dy}%, P/L<{max_pl}, Dív/PL<{max_divida}x")
    print("=" * 70)
    print(f"{'Rank':<5} {'Ticker':<10} {'DY':<8} {'P/L':<8} {'Dív/PL':<8} {'ROE':<8} {'Score':<8}")
    print("-" * 70)
    
    for i, a in enumerate(aprovadas, 1):
        print(f"{i:<5} {a['ticker']:<10} {a['dy']:<7.2f}% {a['pl']:<7.1f} "
              f"{a['divida_pl']:<7.2f}x {a['roe']:<7.1f}% {a['score']:<7.2f} ⭐")
    
    if not aprovadas:
        print("Nenhuma empresa passou nos filtros.")
    else:
        print(f"\n📊 {len(aprovadas)} empresas aprovadas nos critérios")

screener_setor_eletrico("SEU_TOKEN")

Indicadores Macro:
├── Consumo de energia (crescimento econômico)
├── Nível dos reservatórios (risco hidrológico)
├── PLD (Preço de Liquidação das Diferenças)
├── Bandeiras tarifárias
└── Leilões de energia (novos contratos)

Indicadores Empresa:
├── RAP e vencimentos (transmissão)
├── GSF (geração hidro)
├── Perdas técnicas e não-técnicas (distribuição)
├── Capex e expansão
└── Dividendos declarados

import requests
from datetime import datetime

def dashboard_setor_eletrico(token: str):
    """
    Dashboard resumido do setor elétrico
    """
    # Principais empresas
    empresas = ["TAEE11", "ELET3", "EGIE3", "CPFE3", "EQTL3"]
    
    tickers = ",".join(empresas)
    url = f"https://brapi.dev/api/quote/{tickers}"
    params = {"token": token, "modules": "dividendsData"}
    
    response = requests.get(url, params=params)
    data = response.json()['results']
    
    print("=" * 60)
    print(f"DASHBOARD SETOR ELÉTRICO - {datetime.now().strftime('%d/%m/%Y')}")
    print("=" * 60)
    
    total_variacao = 0
    dy_medio = 0
    
    print(f"\n{'Ticker':<10} {'Preço':<12} {'Variação':<10} {'DY':<8}")
    print("-" * 40)
    
    for ativo in data:
        ticker = ativo['symbol']
        preco = ativo.get('regularMarketPrice', 0)
        variacao = ativo.get('regularMarketChangePercent', 0)
        
        dividendos = ativo.get('dividendsData', {})
        dy = (dividendos.get('yield', 0) or 0) * 100
        
        emoji = "🟢" if variacao > 0 else ("🔴" if variacao < 0 else "⚪")
        
        print(f"{ticker:<10} R$ {preco:<9.2f} {variacao:>+5.2f}% {emoji}   {dy:.2f}%")
        
        total_variacao += variacao
        dy_medio += dy
    
    print("-" * 40)
    print(f"\n📊 RESUMO:")
    print(f"   Variação média: {total_variacao/len(data):+.2f}%")
    print(f"   DY médio: {dy_medio/len(data):.2f}%")
    
    # Selic para comparar
    try:
        selic = requests.get("https://brapi.dev/api/v2/prime-rate").json()
        selic_valor = selic['prime-rate'][0]['value']
        print(f"   Selic atual: {selic_valor:.2f}%")
        print(f"   Prêmio de risco: {dy_medio/len(data) - selic_valor + 5:.2f}%")
    except:
        pass

dashboard_setor_eletrico("SEU_TOKEN")

✅ ANÁLISE INICIAL
□ Entendo a diferença entre geração, transmissão e distribuição?
□ Sei qual segmento combina com meu perfil?
□ Analisei os principais indicadores do setor?

✅ ANÁLISE DA EMPRESA
□ Verifiquei o DY histórico?
□ Analisei P/L e EV/EBITDA?
□ Verifiquei alavancagem (Dívida/EBITDA)?
□ Entendo os riscos específicos da empresa?
□ Li o último relatório trimestral?

✅ TRANSMISSÃO (específico)
□ Verifiquei vencimento das RAPs?
□ Analisei participação em leilões?
□ Entendo o fluxo de caixa previsível?

✅ GERAÇÃO (específico)
□ Analisei exposição ao GSF?
□ Verifiquei mix de fontes?
□ Entendo os contratos de venda?

✅ DISTRIBUIÇÃO (específico)
□ Analisei níveis de perdas?
□ Verifiquei inadimplência?
□ Entendo a região de atuação?

✅ GESTÃO DE RISCO
□ Diversifiquei entre empresas?
□ Não concentrei demais no setor?
□ Tenho horizonte de longo prazo?