Introdução ao Risco de Mercado em Python
Entenda, de uma vez por todas, o que é e como usar o VaR (Value at Risk), além de outras medidas de risco de uma forma prática e objetiva como você nunca viu antes.
Apresentação do Curso
Entenda, de uma vez por todas, o que é e como usar o VaR (Value at Risk), além de outras medidas de risco de uma forma prática e objetiva como você nunca viu antes. Esse curso serve como um acelerador de conhecimento para entrantes no tema e serve para firmar os conhecimentos de gestores e outros que já atuam na área, mas que ainda não possuem total domínio.
O curso não somente elucida os conceitos teóricos com aplicação prática de uma carteira de ativos, usando linguagem de programação Python, como também discute as implicações do uso dos modelos de VaR no dia a dia, incluindo processos de validação por backtests e critérios de seleção dos modelos.
Objetivos do Curso
Não somente aprofundar os fundamentos por trás dos modelos clássicos de VaR e outras medidas de risco para quem já possui familiaridade com o tema, mas também serve como formação para aqueles estão ingressando ou pretendem ingressar no assunto.
O curso vai além de um simples curso de introdução e promove a discussão da relação entre desempenho estatístico dos modelos de VaR e seus reflexos na gestão do dia a dia de risco de mercado que você não encontra em artigos, livros e cursos por aí.
O curso ainda promove a disseminação do uso do Python como linguagem de programação, uma das linguagens mais usadas atualmente nas Universidades e Corporações, principalmente em Machine Learning
Público Alvo e Pré-requisitos
Profissionais de instituições financeiras e fundos de pensão (estagiários, operadores/traders, analistas, gestores, auditores internos e de validação), consultorias e órgãos reguladores especialmente os envolvidos em gestão financeira e gestão de risco de mercado.
É desejável que você tenha conhecimento básico de qualquer linguagem de programação e também conhecer o básico de estatística. Apesar de usarmos o Python, se você já conhece alguma outra linguagem, será capaz de absorver o conhecimento sem problemas.
Metodologia (Teoria e Prática)
O treinamento será composto por 7 módulos contendo conceitos teóricos e práticos em programação em Python desde captura de dados passando pela análise estatística e gráfica e apresentando suas implicações em questões práticas da rotina de gerenciamento de risco de mercado. Os códigos e scripts serão fornecidos para serem usados livremente por alunos.
Your Instructor
Rafael Rodrigues – Analista de Risco de Mercado Sênior do BNDES. Mestre em Engenharia de Produção pela COPPE/UFRJ (Universidade Federal do Rio de Janeiro) com ênfase em Pesquisa Operacional/Otimização e Engenheiro de Produção pela UFF/RJ (Universidade Federal Fluminense/RJ).
Course Curriculum
-
StartSéries Temporais (2:52)
-
StartEstacionaridade, Homocedasticidade e outros conceitos (4:18)
-
StartPropriedade de Memória (3:35)
-
StartDecomposição de Séries Temporais (6:46)
-
StartProcessos Determinísticos e Estocásticos (4:38)
-
StartInstalando o Python com Anaconda (3:35)
-
StartBaixando Dados de Ações (10:26)
-
StartCálculo de Retorno das Ações (6:53)
-
StartEstudo Visual das Distribuições de Retorno (10:42)
-
StartTeste de Normalidade (6:29)
-
StartTeste de Estacionaridade (6:28)
-
StartModelagens mais conhecidas (6:14)
-
StartPremissas do Modelo ARIMA (4:50)
-
StartEncontrando parâmetros ARIMA visualmente (8:27)
-
StartPrevisão Dinâmica do modelo ARIMA (3:05)
-
StartEncontrando parâmetros ARIMA manualmente (4:42)
-
StartInterpretando resultados do modelo ARIMA (10:18)
-
StartEncontrando parâmetros ARIMA automaticamente (6:00)
-
StartIntrodução aos Modelos GARCH (8:31)
-
PreviewExemplo GARCH(1,1) (5:14)
-
StartComparação entre modelos GARCH(p,q) (9:30)
-
StartModelo EGARCH (4:43)
-
StartModelo FIGARCH (4:51)
-
StartPrevisão de Retornos com GARCH e Simulação de Monte Carlo (7:32)
-
StartPrevisão Dinâmica com Modelo GARCH (6:45)
-
StartIntrodução aos Processos Estocásticos (8:26)
-
StartMovimento Browniano (6:00)
-
StartMovimento Browniano com Simulação de Monte Carlo (8:49)
-
StartModelo Heston com Simulação de Monte Carlo (6:16)
-
StartConceitos de Modelagem Bayesiana (8:12)
-
StartMétodos Avançados de Monte Carlo (9:26)
-
StartExemplo de Modelagem Bayesiana com MCMC NUTS (20:32)
Frequently Asked Questions
Caso tenha dúvidas entre em contato com a gente através do email [email protected] ou do Tel\Whatsapp 022-99228-9829.