Curso de Python para Mercado Financeiro

Aula 1 • Controle de Fluxo e Funções

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

Aula 2 • Sintaxe Principal do Python e Tipos de Dados

Aborda variáveis, operadores aritméticos, strings, booleanos e conversão de tipos. Esses primitivos fundamentam cada cálculo financeiro construído posteriormente.

Aula 3 • Configurando o Ambiente Python

Instale Python, Anaconda e Jupyter Notebook para um espaço de trabalho preparado para finanças. Estabelece a base técnica da qual cada capítulo subsequente depende.

Aula 4 • Estruturas de Dados em Python

Apresenta listas, tuplas, dicionários e conjuntos como contêineres para registros financeiros. Escolher a estrutura correta melhora a eficiência e a clareza do código.

Aula 1 • Operações Matemáticas Vetorizadas

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

Aula 2 • Álgebra Linear com NumPy

Usa multiplicação de matrizes, inversas e autovalores para matemática de carteiras e regressão. Fornece as ferramentas algébricas necessárias nos capítulos posteriores de risco e otimização.

Aula 3 • Arrays NumPy e Métodos de Criação

Aborda criação de ndarrays, formatos, dtypes e indexação para séries financeiras. Arrays formam a espinha dorsal numérica de todo o trabalho quantitativo adiante.

Aula 1 • Carregando e Limpando Dados Financeiros

Lê arquivos de mercado CSV, Excel e JSON, em seguida trata valores ausentes e duplicatas. Dados limpos são o pré-requisito para uma análise financeira precisa.

Aula 2 • Mesclando e Remodelando DataFrames

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

Aula 3 • Manipulação de Séries Temporais no Pandas

Gerencia DatetimeIndex, reamostragem e janelas móveis para séries de preços e retornos. Operações cientes do tempo são centrais para todo fluxo de trabalho de análise financeira.

Aula 4 • Filtragem, Ordenação e Agrupamento

Aplica filtros booleanos, operações de ordenação e agregações groupby para segmentar dados financeiros. Permite comparações em nível setorial e por período de tempo em grandes conjuntos de dados.

Aula 1 • Gráficos de Candlestick e OHLC

Renderiza gráficos de abertura-máxima-mínima-fechamento com barras de volume usando mplfinance. Fornece o formato visual padrão usado na análise de negociação de ações e commodities.

Aula 2 • Fundamentos do Matplotlib para Finanças

Constrói gráficos de linha, barra e dispersão de dados financeiros com rótulos e formatação adequados. Estabelece a base de plotagem estendida por todo trabalho de visualização subsequente.

Aula 3 • Técnicas Avançadas do Matplotlib

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

Aula 1 • Índices de Performance e Benchmarking

Calcula os índices de Sharpe, Sortino, Calmar e informação para avaliar retornos ajustados ao risco. Comparar com um índice de mercado contextualiza o desempenho da carteira.

Aula 2 • Valor em Risco e Perda Esperada

Estima VaR e CVaR usando métodos histórico, paramétrico e de Monte Carlo. Essas medidas de risco de cauda são requisitos padrão na elaboração de relatórios de gestão de riscos.

Aula 3 • Calculando 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 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 co-movimento. Essas matrizes são as entradas diretas para a otimização de carteira no próximo capítulo.

Aula 1 • Implementando Otimização com SciPy

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

Aula 2 • Rebalanceamento e Restrições de Carteira

Adiciona limites setoriais, limites de turnover e custos de transação a problemas de otimização realistas. Faz a ponte entre a otimização teórica e os requisitos práticos de gestão de carteira.

Aula 3 • Visualização da Fronteira Eficiente

Simula milhares de carteiras aleatórias e plota a curva da fronteira eficiente. A saída visual confirma os resultados do otimizador e comunica os trade-offs aos stakeholders.

Aula 4 • Métodos Avançados de Construção de Carteiras

Aplica risk parity, Black-Litterman e hierarchical risk parity como alternativas ao mean-variance. Aborda o erro de estimação e as fraquezas de concentração da otimização clássica.

Aula 1 • Avaliando Resultados de Backtest

Analisa curvas de equity, drawdowns, taxas de acerto e retornos ajustados ao risco a partir da saída do backtest. Uma avaliação rigorosa separa estratégias genuinamente lucrativas das superajustadas.

Aula 2 • Indicadores Técnicos e Geração de Sinais

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

Aula 3 • Evitando Sobreajuste e Viés

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

Aula 4 • Lógica da Estratégia e Dimensionamento de Posição

Codifica regras de entrada e saída, em seguida dimensiona posições usando métodos fracionário fixo e baseado em volatilidade. O dimensionamento de posição controla diretamente o risco assumido por negociação.

Aula 1 • Gregas e Estratégias de Hedge

Calcula e interpreta as gregas de opções, em seguida constrói hedges delta-neutro e gama-neutro. Fazer hedge com gregas é a prática central de gestão de riscos para carteiras de derivativos.

Aula 2 • Fundamentos de Opções e Diagramas de Payoff

Define calls, puts, moneyness e vencimento, em seguida plota diagramas de payoff e lucro. A clareza conceitual aqui é essencial antes de implementar qualquer modelo de precificação.

Aula 3 • Modelo Black-Scholes-Merton

Implementa a fórmula fechada BSM para precificação de opções europeias e as gregas. O BSM é o benchmark do setor contra o qual todos os outros modelos são comparados.

Aula 4 • Precificação de Opções por Monte Carlo

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