Curso de Python para Mercado Financeiro

Aula 1 • Controlo de Fluxo e Funções

Ensina lógica if-else, ciclos e funções reutilizáveis para automatizar tarefas financeiras repetitivas. Os formandos escrevem código modular que escala entre conjuntos de dados.

Aula 2 • Sintaxe Principal do Python e Tipos de Dados

Aborda variáveis, operadores aritméticos, strings, booleanos e conversão de tipos. Estes elementos fundamentais sustentam todos os cálculos financeiros realizados posteriormente.

Aula 3 • Configurar o Ambiente Python

Instale Python, Anaconda e Jupyter Notebook para um espaço de trabalho preparado para finanças. Estabelece a base técnica da qual todos os capítulos seguintes dependem.

Aula 4 • Estruturas de Dados em Python

Apresenta listas, tuplos, dicionários e conjuntos como contentores para registos financeiros. Escolher a estrutura adequada melhora a eficiência e clareza do código.

Aula 1 • Operações Matemáticas Vetorizadas

Aplica aritmética elemento a elemento, funções universais e broadcasting a séries de preços. Elimina ciclos Python para ganhos drásticos de velocidade em grandes conjuntos de dados.

Aula 2 • Álgebra Linear com NumPy

Utiliza multiplicação de matrizes, inversas e valores próprios para matemática de carteiras e regressão. Fornece as ferramentas algébricas necessárias em capítulos posteriores de risco e otimização.

Aula 3 • Arrays NumPy e Métodos de Criação

Aborda criação de ndarray, formas, dtypes e indexação para séries financeiras. Os arrays formam a espinha dorsal numérica de todo o trabalho quantitativo futuro.

Aula 1 • Carregar e Limpar Dados Financeiros

Lê ficheiros de mercado CSV, Excel e JSON, e depois trata valores omissos e duplicados. Dados limpos são o pré-requisito para uma análise financeira precisa.

Aula 2 • Fundir e Remodelar DataFrames

Combina múltiplos conjuntos de dados financeiros usando merge, join e concat, e depois remodela com melt e stack. Prepara dados de múltiplas fontes para análise unificada.

Aula 3 • Tratamento de Séries Temporais no Pandas

Gere DatetimeIndex, reamostragem e janelas móveis para séries de preços e retornos. Operações conscientes do tempo são centrais em todos os fluxos de trabalho de análise financeira.

Aula 4 • Filtrar, Ordenar e Agrupar

Aplica filtros booleanos, operações de ordenação e agregações groupby para segmentar dados financeiros. Permite comparações a nível setorial e de períodos temporais em grandes conjuntos de dados.

Aula 1 • Gráficos de Candlestick e OHLC

Renderiza gráficos de abertura-máximo-mínimo-fecho com barras de volume usando mplfinance. Fornece o formato visual padrão usado na análise de ações e mercadorias.

Aula 2 • Fundamentos do Matplotlib para Finanças

Constrói gráficos de linhas, barras e dispersão de dados financeiros com rótulos e formatação adequados. Estabelece a base de representação gráfica ampliada por todo o trabalho de visualização subsequente.

Aula 3 • Técnicas Avançadas do Matplotlib

Usa subplots, eixos duplos e anotações para exibir painéis financeiros de múltiplos gráficos. Permite a comparação lado a lado de métricas financeiras relacionadas.

Aula 1 • Rácios de Desempenho e Benchmarking

Calcula os rácios de Sharpe, Sortino, Calmar e de informação para avaliar retornos ajustados ao risco. O benchmarking contra um índice de mercado contextualiza o desempenho da carteira.

Aula 2 • Valor em Risco e Défice Esperado

Estima VaR e CVaR usando métodos histórico, paramétrico e de Monte Carlo. Estas medidas de risco de cauda são requisitos padrão nos relatórios de gestão do risco.

Aula 3 • Calcular Retornos de Ativos

Calcula retornos simples, logarítmicos e acumulados a partir de séries de preços usando Pandas e NumPy. O cálculo de retornos é o ponto de entrada para toda a análise de desempenho e risco.

Aula 4 • Análise de Correlação e Covariância

Constrói matrizes de correlação e covariância entre retornos de ativos para medir o comovimento. Estas matrizes são os inputs diretos para a otimização de carteiras no capítulo seguinte.

Aula 1 • Implementar Otimização com SciPy

Usa scipy.optimize para minimizar a variância da carteira sujeita a restrições de peso. Os formandos traduzem problemas de otimização matemática diretamente em código Python executável.

Aula 2 • Rebalanceamento de Carteiras e Restrições

Adiciona limites setoriais, limites de rotação e custos de transação a problemas de otimização realistas. Liga a otimização teórica aos requisitos práticos de gestão de carteiras.

Aula 3 • Visualização da Fronteira Eficiente

Simula milhares de carteiras aleatórias e representa a curva da fronteira eficiente. O output visual confirma os resultados do otimizador e comunica as trocas às partes interessadas.

Aula 4 • Métodos Avançados de Construção de Carteiras

Aplica risk parity, Black-Litterman e hierarchical risk parity como alternativas à média-variância. Aborda o erro de estimação e as fraquezas de concentração da otimização clássica.

Aula 1 • Avaliar Resultados de Backtest

Analisa curvas de capital, drawdowns, taxas de acerto e retornos ajustados ao risco a partir do output do backtest. Uma avaliação rigorosa separa estratégias genuinamente lucrativas das sobreajustadas.

Aula 2 • Indicadores Técnicos e Geração de Sinais

Calcula médias móveis, RSI, MACD e Bandas de Bollinger a partir de dados OHLC. Os indicadores traduzem dados de preço brutos em sinais de compra e venda acionáveis.

Aula 3 • Evitar Sobreajuste e Viés

Aplica testes walk-forward, validação fora da amostra e verificações de sensibilidade de parâmetros. Estas técnicas impedem que as estratégias sejam ajustadas ao ruído histórico em vez do sinal.

Aula 4 • Lógica de Estratégia e Dimensionamento de Posições

Codifica regras de entrada e saída, e depois dimensiona posições usando métodos fracionário fixo e baseado na volatilidade. O dimensionamento de posições controla diretamente o risco assumido por trade.

Aula 1 • Gregos e Estratégias de Cobertura de Risco

Calcula e interpreta os Gregos das opções, e depois constrói coberturas delta-neutro e gamma-neutro. A cobertura de risco com Gregos é a prática central de gestão do risco para livros de derivados.

Aula 2 • Fundamentos de Opções e Diagramas de Payoff

Define calls, puts, moneyness e expiração, e depois representa diagramas de payoff e lucro. A clareza conceptual aqui é essencial antes de implementar qualquer modelo de precificação.

Aula 3 • Modelo Black-Scholes-Merton

Implementa a fórmula BSM de forma fechada para precificação de opções europeias e os Gregos. O BSM é o benchmark da indústria contra o qual todos os outros modelos são comparados.

Aula 4 • Precificação de Opções com Monte Carlo

Simula trajetórias de movimento geométrico browniano para precificar opções europeias e exóticas. O Monte Carlo estende a precificação a payoffs dependentes do caminho que estão além do alcance analítico.