PROGRAMA DE TREINAMENTO EM GESTÃO DE CARTEIRAS, RISCO DE MERCADO E DERIVATIVOS COM PYTHON PARA QUANTS
Nosso programa de treinamento transforma pessoas comuns, do absoluto zero, em Quant Stars com total competência para obterem oportunidades de trabalho e remunerações excepcionais no Mercado Financeiro.
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.
Nosso programa de treinamento
Gestão de carteira
Teoria e aplicação em Python
Derivativos
Teoria e aplicação em Python
Gestão de Risco de Mercado
Teoria e aplicação em Python
4 Aulas ao vivo
- Estudo de casos reais
- Discussão com alunos
- Esclarecimento de dúvidas
Mais de
horas de aula
Conteúdo detalhado do programa de treinamento
- 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
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.
Ao final do programa os alunos:
Terão sólido conhecimento e compreensão dos fundamentos da teoria de gestão de carteiras, gestão de riscos e derivativos.
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.
Saberão como aplicar essa teoria a problemas práticos, reais do mercado financeiro, extraindo resultados concretos dessa teoria.
quero Liberar meu acesso
Não perca mais tempo posicione-se no mercado como um Quant Star!
Quero esta oferta
Acesso de 1 ano (12 meses)
- Introdução instrumentos DERIVATIVOS com PYTHON para QUANTS
-
Bônus
R$529,00
- Gestão de Carteiras, Risco de Mercado e Derivativos com Pyhton para Quants
- R$2.997,00
Temos plena confiança na qualidade do nosso treinamento. Por isso, oferecemos uma Garantia de Satisfação Total de 7 dias. Se, por qualquer motivo, você não estiver completamente satisfeito, entre em contato conosco nos primeiros 7 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!
Venha fazer parte do mundo dos especialistas em finanças, trazendo soluções inovadoras para empresas e investidores com o poder do Python!
© 2023 – Maps University. Todos os direitos reservados
CNPJ: 48.428.556/0001-00
Desenvolvido por – Agência Melka