Nova turma em:
APRENDA A TECNOLOGIA QUE ESTÁ REVOLUCIONANDO O MERCADO FINANCEIRO
Data Science para Finanças com Python contém o que há de mais moderno e avançado em termos de tecnologia para finanças
- fácil de aprender
- menos linhas de código (produtividade)
- amplamente utilizado pelo Mercado Financeiro
- linguagem oficial do Certificate in Quantitative Finance (CQF)
- amplamente utilizada para Data Science, Inteligência Artificial e Machine Learning
- comunidade com milhões de pessoas pelo mundo
CONTEÚDO DO CURSO
Aqui começa sua jornada. Nesse módulo você vai aprender os conceitos básicos da Linguagem de Programação Python.
Com o Básico de Python você já pode passar para o próximo nível. Nesse módulo você vai aprender a usar a biblioteca NumPy. NumPy vem de “Numerical Python” é uma das mais antigas, conhecidas e poderosas bibliotecas para computação científica e álgebra linear. NumPy inclusive é a base de muitas outras bibliotecas como o Pandas que você vai aprender no próximo módulo.
O Pandas é a mais usada e mais poderosa ferramenta para Data Science em Python. Com o Pandas você vai aprender a extrair, limpar, processar, manipular, explorar e visualizar dados do Mercado Financeiro
Nesse módulo você vai aprender a extrair dados de várias fontes do mercado financeiro, tanto nacionais quanto internacionais.
Nesse módulo você vai aprender a traçar gráficos financeiros utilizando as principais bibliotecas gráficas do Python.
Nesse módulo você vai aprender alguns tópicos avançados em Python que vão elevar seu código para outro patamar.
Nesse módulo você vai aprender a calcular métricas de ativos e carteiras com dados reais do mercado.
Esse módulo reúne um conjunto de exemplos que utilizam tudo que aprendeu no curso.
Aplicação prática do modelo de Markowitz para otimização e backtesting de carteiras usando python
Nesse módulo você vai aprender os modelos mais atuais usados pelo Mercado Financeiro.
Principais Estimadores de Retorno e Risco
Modelo de Média-Variância, Modelo de Black-Litterman, Modelos de Risco: Matriz de Covariância Amostral, Matriz de Semicovariância, Estimadores de Encolhimento (Ledoit-Wolf)
Nesse módulo você vai aprender através de um projeto prático e do mundo real, a criar seu próprio pipeline de dados. Vamos criar, com Python, um processo de ETL (Extração, Transformação e Carregamento de Dados) completo e automatizado. Os dados de Juros dos títulos públicos serão armazenados e diariamente atualizados (de forma automática) em um Banco de Dados SQL na nuvem. Ao final, você terá sua própria API para consumir esses dados e visualizar a Curva de Juros atualizada.
Parte do sucesso de Python deve-se ao fato dele ser é uma linguagem de multi-propósito, ou seja serve para vários fins.
O que por um lado é vantajoso pois contribui para o aumento da comunidade, tem um efeito negativo.
Se você procurar por aí cursos de Python, ou mesmo Python para Data Science vai encontrar um monte de conteúdo que não se aplica às finanças.
Falo isso, porque foi assim comigo mesmo.
Fiz vários cursos, alguns bem caros, e tinha que garimpar dentro deles, algo realmente que se aplicava às finanças.
Se, naquela época, tivesse alguém que me orientasse e me guiasse teria poupado muito tempo e dinheiro.
Pensando nisso, desenvolvi o curso Data Science para Finanças com Python
Uma forma de você aprender realmente o que importa, aplicado às finanças, e com isso poupar seu tempo e dinheiro.
Lista de Aulas
01 – Introdução ao Python
02 – Operadores Matemáticos e Expressões
03 – Variáveis
03b – Prática – O Valor do Dinheiro no Tempo
04 – Listas
05 – Tuplas
06 – Dicionários
07 – Estruturas Condicionais
08 – Estruturas de Repetição
09 – Funções
10 – Módulos
01 – NumPy Arrays
02 – Indexação e Seleção
03 – Operações
04 – NumPy Financial
01 – Modelos Matemáticos
02 – Distribuição Normal
03 – Demonstração – Probabilidade com Python
04 – Modelos de Retorno – Gráficos
05 – Modelos de Retorno – Cálculo Estatístico
06 – Otimização Média-Variância (PyPortfolioOpt)
07 – CAPM
08 – Calculando os Betas dos Ativos
09 – Otimização por CAPM
10 – Black-Litterman – Teoria
11 – Black-Litterman na Prática
12 – Black-Litterman – Idzorek, Matriz P e Vetor Q
13 – Modelos de Risco
14 – Backtesting dos Modelos – Preparando a Base de Dados e Calculando as Carteiras Ótimas
15 – BackTesting dos Modelos – Construindo e Executando o Processo de Teste
01 – Visão Geral e Processo de ETL
02 – Conhecendo a fonte e os dados
03 – Processo de Extração de Dados
04 – Criando API e Banco de Dados SQL
05 – Carregando os Dados
06 – Automatizando o processo de ETL
07 – Alterando o código pra rodar na nuvem
08 – Colocando o script em produção
09 – Criando cliente para consumir nossa API
CURSO DATA SCIENCE PARA FINANÇAS
Turma 2023
- Um ano de acesso ao conteúdo
- +20h de aulas em vídeo
- Códigos-fonte das aulas
- Grupo Exclusivo no Telegram
- Certificado de Conclusão
- Tira-dúvidas com o professor
SOBRE MIM
Meu nome é Rafael Amâncio, sou engenheiro e um quant certificado pelo CQF Institute.
Aprendi Python em 2005 em um projeto de pesquisa na UFMG. Universidade, onde, em 2008, me graduei em Engenharia Elétrica.
Em 2009, após ser aprovado em 1º lugar em um concurso público, comecei minha carreira no setor público em um órgão da Força Aérea Brasileira, o CINDACTA III, como engenheiro.
Em 2010, após ser aprovado novamente em 1º lugar, assumi o cargo de Analista de Engenharia/Perito no Ministério Público Federal.
Em 2014, após ser aprovado em 2º lugar, assumi o cargo de Analista Legislativo/Engenharia no Senado Federal.
Nesse mesmo ano, após alcançar, o que entendo como sendo o topo da minha carreira como engenheiro, comecei a estudar Python aplicado às finanças.
Em 2019, criei o Canal Código Quant no Youtube
Em 2022, tirei o CQF (Certificate in Quantitative Finance), a certificação financeira mais valorizada do mundo em Finanças Quantitativas.
DEPOIMENTOS
PERGUNTAS FREQUENTES
Sim. Caso não goste, você tem 7 dias da data da compra para solicitar o reembolso. É só mandar um e-mail.
Não é o foco. Será abordado o conteúdo descrito acima
Por um ano, a partir da data de compra
Todas as estratégias e investimentos envolvem risco de perda. Nenhuma informação contida neste produto deve ser interpretada como uma garantia de resultados.