Programa de Treinamento em Gestão de Carteiras, Risco de Mercado e Derivativos com Python para Quant Stars
Nosso programa de treinamento transforma pessoas comuns em Quant Stars com total competência para obterem oportunidades de trabalho e remunerações excepcionais no Mercado Financeiro.
Nosso programa de treinamento
Gestão de carteira
Teoria e aplicação
Derivativos
Teoria e aplicação
Gestão de Risco de Mercado
Teoria e aplicação
4 Aulas ao vivo
- Estudo de casos reais
- Discussão com alunos
- Esclarecimento de dúvidas
Atenção!
Esta oferta é por tempo limitado e não existe previsão de se repetir!
Ao final do programa os alunos:
Terão sólido conhecimento e compreensão dos fundamentos da teoria de gestão de carteiras, gestão de riscos e derivativos.
Saberão como aplicar essa teoria a problemas práticos, reais do mercado financeiro, extraindo resultados concretos dessa teoria.
Terão domínio da linguagem de programação Python, sabendo utilizar e explorar o ChatGPT, Bard e outras ferramentas de IA para potencializar sua capacidade de produzir programas complexos, o que permitirá transformar a teoria em resultados práticos significativos, com escala e velocidade.
ÁREAS DE ATUAÇÃO DO QUANT STAR
Esse conjunto de habilidades e competências é altamente escasso, desejado e extremamente valorizado no Mercado Financeiro, possibilitando aos alunos disputar e ocupar posições nos melhores e mais disputados Bancos, Fundos de Investimento e Corretoras, nas áreas:
Gestão de Investimentos
Mesa de trading
Mesa de Estrutura de produtos
Gestão de Ríscos
Para quem é este curso?
Pessoas das áreas de Engenharia, Matemática, Estatística, Física,
Ciência da Computação, Economia, Administração, Contabilidade que são:
Profissionais que já trabalham no mercado financeiro em front/middle/back-office (trading, gestão de investimentos, gestão de riscos, estruturação de produtos, controladoria, etc.), e querem aprender, ou aprofundar seus conhecimentos em Python e finanças, porque querem se qualificar mais para destravar e avançar em suas carreiras.
Profissionais que já trabalham no mercado financeiro em back/middle-office e querem aprender Python e finanças para migrar para áreas de front office (trading, gestão de investimentos, estruturação de produtos).
Profissionais que já trabalham no mercado financeiro em back/middle-office e querem aprender Python e finanças para migrar para áreas de front office (trading, gestão de investimentos, estruturação de produtos).
Estudantes e profissionais (recém formados ou não) que ainda não trabalham no mercado financeiro e querem aprender Python e finanças para adquirir uma vantagem competitiva e poderem entrar nesse mercado nas melhores áreas e com remunerações excelentes.
Profissionais que trabalham com commodities agrícolas, energéticas (áreas de produtos, gestão de riscos, gestão financeira/ de carteiras) e querem aprender e aplicar todo o conhecimento já existente e bem sucedido no mercado financeiro aos seus mercados e às suas atividades.
Profissionais que trabalham com commodities agrícolas, energéticas (áreas de produtos, gestão de riscos, gestão financeira/ de carteiras) e querem aprender e aplicar todo o conhecimento já existente e bem sucedido no mercado financeiro aos seus mercados e às suas atividades.
Profissionais que trabalham em seguradoras, cooperativas de crédito, fintechs.
Nossos Professores
O Professor André Cury Maialy possui graduação em Engenharia de Produção Mecânica, e mestrado e doutorado em Engenharia de Controle aplicada a finanças quantitativas (engenharia financeira) pela Escola Politécnica da Universidade de São Paulo (USP). Obteve a designação de CFA Charterholder em 2003. Atua profissionalmente no mercado financeiro há mais de 25 anos com gestão de investimentos, trading, gestão de riscos, e provendo consultoria, tendo trabalhado em bancos, gestoras de recursos e empresas de consultoria nas áreas de gestão de riscos, tesouraria, estruturação de produtos, gestão de investimentos e modelagem quantitativa/engenharia financeira. É professor da Escola de Economia de São Paulo da Fundação Getulio Vargas (FGV EESP) nos cursos de Graduação, Mestrado Profissional e Pós-Graduação nas disciplinas de Derivativos, Apreçamento de Ativos, Modelagem e Simulação em Finanças, Gestão de Riscos. É professor no curso de pós graduação da Poli-PECE no curso Engenharia Financeira, na disciplina de Derivativos.
O professor Afonso Pinto possui graduação em engenharia aeronáutica pelo ITA (1982), MSc em Systems Sciences pelo Tokyo Institute of Technology (1988) e Ph. D. em Ciência da Computação pelo Imperial College London (1994) onde, após concluir o seu doutorado, foi Pesquisador Associado. Foi professor de processos estocásticos aplicados a sistemas de computação no IME-USP. Gerente-executivo do Banco AGF Braseg, onde foi o responsável pela criação e implantação da área de gerenciamento de riscos do banco. Foi Senior Risk Manager do Banco ABN AMRO, onde também foi diretor da área de Derivativos e Produtos de Tesouraria. Atualmente é Professor de Finanças da FGV EESP, onde criou e é o responsável pela ênfase em Engenharia Financeira (inicialmente chamada de Finanças Quantitativas) do Mestrado Profisssional em Finanças e Economia (MPE) da escola. É também sócio-fundador da MAPS S.A. Soluções e Serviços, responsável pela área de Pesquisa e Desenvolvimento.
Nossos alunos
Veja o conteúdo detalhado abaixo! São mais de 250 horas de conteúdo de altíssima qualidade!
Conteúdo detalhado do programa de treinamento
Gestão de Carteiras, Risco de Mercado e Derivativos com Pyhton para Quants
- Estruturas de dados: Lista, Tupla, Dicionário, Sets
- Estruturas de controle: If, elif, else; loops (for, while)
- Pacotes: Pandas, NumPy, SciPy, Matplotlib, Seaborn, Plotly
- Muitos exemplos e exercícios resolvidos
- Python para baixar dados de provedores/ sites de informação
- Yahoo finance
- Anbima (fundos)
- Criação da base de dados financeiros a partir de
- internet
- Planilhas
- Arquivos CSV
- Arquivos txt
- Exportação da base de dados do Python para arquivos
- Planilhas
- Arquivos CSV
- Arquivos txt
- Inspeção da base de dados
- Tratamento de dados faltantes (NA)
- Ver o índice
- Mudar o índice
- Ver os nomes das colunas
- Fundir duas bases de dados com dados em dias úteis e dias corridos (exemplo: bitcoin e ações)
- Conceitos
- Taxa de retorno
- Linear
- Composta discretamente
- Composta continuamente
- Retorno percentual
- Linear
- Composto discretamente
- Composto continuamente (retorno logarítmico, log-retorno)
- Retorno financeiro
- Taxa de retorno
- Cálculo de retornos para diferentes períodos
- Rolling return
- Diversificação gerada por duração do investimento e por instantes de entrada
- Relação entre teoria de probabilidade e estatística
Teoria de probabilidade univariada e multivariada:
- Espaço amostral, eventos, medida de probabilidade
- Variáveis aleatórias (VAs)
- Distribuições de probabilidade de VAs discretas e contínuas
- Parâmetros da distribuição da VA e cálculos sobre uma VA:
- Valor esperado
- Variância e desvio padrão
- Skewness
- Kurtosis
- Percentil
- Função de distribuição acumulada conjunta de n variáveis aleatórias
- Variáveis aleatórias independentes
- Covariância e coeficiente de correlação entre X e Y
- Matriz de covariância e de correlação de um vetor de variáveis aleatórias
- Função de VAs – combinação linear de VAs
- Lei dos grandes números e Teorema do Limite Central
Estatística univariada e multivariada:
- População e amostra
- Parâmetros de uma população
- Estatísticas de uma amostra (estatísticas amostrais)
- Estimadores dos parâmetros da população (média amostral, variância amostral, etc.)
- Estimadores pontuais
- Estimação por intervalo
- Q-Q plot
- O que é risco? Como modelar Risco?
- Abordagens na modelagem de riscos
- Paramétrica
- Não-paramétrica
- Simulação de Monte Carlo
- Métricas de risco
- VaR
- Histórico
- Paramétrico
- Desvio padrão, EWMA, GARCH
- Distribuição normal, distribuição de Laplace
- Histórico modificado
- Simulação de Monte Carlo
- Expected shortfall – a.k.a.: Conditional value at risk (CVaR); Average value at risk (AVaR); Expected tail loss (ETL)
- Maximum drawdown
- Time under water
- Time to recovery
- Gráficos de controle e Backtesting
- VaR
- Backward Looking (olhando para o passado)
- Cálculo do retorno da carteira a partir dos retornos dos ativos individuais
- Cálculo do risco da carteira a partir da composição dos riscos individuais dos ativos da carteira
- Cálculo do risco da carteira diretamente
- Diversificação de riscos
- Compreender o impacto da correlação entre os retornos dos ativos individuais da carteira
- Forward Looking (olhando para o futuro)
- Simulação de Monte Carlo para os preços
- Geração de retornos correlacionados (Fatoração de Cholesky, Cópula Gaussiana e geração de retornos com distribuição marginal normal, de Laplace, t-student).
- Mundo real – diferentes regimes de risco e de correlação (retornos não estacionários)
- Modelo de Markowitz
- Modelo CAPM
- Modelo de fatores (APT)
- Modelo Black Litterman
- Simulação de estratégias de investimento com rebalanceamento dinâmico, custos de transação
- Backtest de estratégias
- Resultado projetado vs. Resultado realizado vs. Resultado ótimo
- Backtest com pacotes do Python
Bônus:
Introdução a instrumentos DERIVATIVOS com PYTHON para QUANTS
- Definição dos conceitos de ativos, classes de ativos, derivativos
- Definição de diferentes classes de derivativos
- Forwards
- Futures
- Swaps
- Opções
- Hedging usando derivativos
- Paridade call-put
- Estratégias com opções
- Modelo binomial (apreçamento de derivativos, replicação, delta-hedging)
- Conceitos introdutórios de Teoria de Moderna de Probabilidade e Cálculo Estocástico aplicados à modelagem de derivativos em tempo contínu0
- Pilares da Engenharia Financeira
- Martingale Pricing (MaPA)
- No-Arbitrage Pricing Approach (NAPA)
- Modelo de Black & Scholes
- Gregas
- Smile/ superfície de volatilidade
- Apreçamento de derivativos Vanilla e Exóticos por Simulação de Monte Carlo
Atenção!
Vagas limitadas
A Melhor oferta
com Acesso Vitalício
- Introdução instrumentos DERIVATIVOS com PYTHON para QUANTS
Bônus
R$ 529,00
100% Grátis
- Gestão de Carteiras, Risco de Mercado e Derivativos com Pyhton para Quants
30 dias de garantia total
Temos plena confiança na qualidade do nosso treinamento. Por isso, oferecemos uma Garantia de Satisfação Total de 30 dias.
Se, por qualquer motivo, você não estiver completamente satisfeito, entre em contato conosco nos primeiros 30 dias e reembolsaremos integralmente o valor investido.
Estamos comprometidos com a sua jornada de aprendizado e queremos que você se sinta confiante ao escolher-nos. Invista em seu futuro financeiro com tranquilidade!
Perguntas Frequentes
Gestão de carreira:
- Backward Looking (olhando para o passado)
- Cálculo do retorno da carteira a partir dos retornos dos ativos individuais
- Cálculo do risco da carteira a partir da composição dos riscos individuais dos ativos da carteira
- Cálculo do risco da carteira diretamente
- Diversificação de riscos
- Compreender o impacto da correlação entre os retornos dos ativos individuais da carteira
- Forward Looking (olhando para o futuro)
- Simulação de Monte Carlo para os preços
- Geração de retornos correlacionados (Fatoração de Cholesky, Cópula Gaussiana e geração de retornos com distribuição marginal normal, de Laplace, t-student).
- Mundo real – diferentes regimes de risco e de correlação (retornos não estacionários)
- Modelo de Markowitz
- Modelo CAPM
- Modelo de fatores (APT)
- Modelo Black Litterman
- Simulação de estratégias de investimento com rebalanceamento dinâmico, custos de transação
- Backtest de estratégias
- Resultado projetado vs. Resultado realizado vs. Resultado ótimo
- Backtest com pacotes do Python
Risco de mercado:
- O que é risco? Como modelar Risco?
- Abordagens na modelagem de riscos
- Paramétrica
- Não-paramétrica
- Simulação de Monte Carlo
- Métricas de risco
- VaR
- Histórico
- Paramétrico
- Desvio padrão, EWMA, GARCH
- Distribuição normal, distribuição de Laplace
- Histórico modificado
- Simulação de Monte Carlo
- Expected shortfall – a.k.a.: Conditional value at risk (CVaR); Average value at risk (AVaR); Expected tail loss (ETL)
- Maximum drawdown
- Time under water
- Time to recovery
- Gráficos de controle e Backtesting
- VaR
Sim, dentro do curso existem módulo específicos de Python.
Não é preciso de conhecimento em finanças, saia do zero e chegue ao avançado.
Não é necessário conhecimento em Python, pois serão ensinadas funções básicas.
O Professor André Cury Maialy possui graduação em Engenharia de Produção Mecânica, e mestrado e doutorado em Engenharia de Controle aplicada a finanças quantitativas (engenharia financeira) pela Escola Politécnica da Universidade de São Paulo (USP).
O professor Afonso Pinto possui graduação em engenharia aeronáutica pelo ITA (1982), MSc em Systems Sciences pelo Tokyo Institute of Technology (1988) e Ph. D. em Ciência da Computação pelo Imperial College London (1994).
Sim, você no final do curso receberá o certificado.
A garantia é de 30 dias.
Dúvidas? Entre em contato
Venha fazer parte do mundo dos especialistas em finanças, trazendo soluções inovadoras para empresas e investidores com o poder do Python!
© 2024 – Maps University. Todos os direitos reservados
CNPJ: 48.428.556/0001-00
Desenvolvido por – Agência Melka