| Ementa/Descrição: |
Descrição
Desde os tempos dos cartões perfurados a indústria financeira se aproveita de ferramentas computacionais para auxiliar o desenvolvimento de suas atividades. O que evoluiu para acompanhamentos e análises em planilhas eletrônicas vem migrando para automatizações de diagnóstico e mesmo de realizações de operações em wealth management. Vamos discutir, nesta disciplina, especificamente, algumas possibilidades de análise de comportamento e operações com ativos negociados em mercado de capitais. Serão apresentadas aplicações de apreçamento, de modelos
de previsão e propriedades de relações de preço com ações, ativos de renda fixa e derivativos. A linguagem de programação empregada será o Python, que vem ganhando notoriedade por ser simples, de fácil aprendizado e com bom número de bibliotecas para finanças.
Metodologia
Formato da aula
As aulas serão conduzidas com o apoio de softwares e exercícios de fixação. Serão designados exercícios em algumas sessões como apoio ao aprendizado. A realização dos exercícios não compõe avaliação na disciplina.
Avaliação
O desempenho na disciplina será medido a partir da apresentação de projeto exemplificativo da aplicação de Python para coleta e análise de dados de ativos negociados em mercado de capitais.
Leitura prévia
Lewis, M. (2015). Flash Boys: A Wall Street Revolt. WW Norton.
Patterson, S. (2010). The Quants: How a Small Band of Math Wizards Took Over Wall St. and
Nearly Destroyed it. Crown.
Preparação prévia
1. Criar/atualizar perfil no Github - https://github.com/
2. Instalar Python - https://www.python.org/
3. Instalar VS Code - https://code.visualstudio.com/
4. Instalar Git for Windows - https://git-scm.com/download/win |
| Referências: |
Carver, R. (2023). Advanced Futures Trading Strategies: 30 fully tested strategies for multiple
trading styles and time frames. Harriman House.
Ceder, N. (2018). The Quick Python Book. Manning.
Chiang. (2005). Fundamental Methods of Mathematical Economics. McGraw Hill.
Elton, E. J., Gruber, M. J., Brown, S. J., & Goetzmann, W. N. (2014). Modern Portfolio Theory and
Investment Analysis. John Wiley & Sons.
Fabozzi, F. J., & Mann, S. V. (2012). The Handbook of Fixed Income Securities, Eighth Edition.
McGraw Hill Professional.
Hull, J. C. (2016). Opções, Futuros e Outros Derivativos. Bookman Editora.
Johansson, R. (2018). Numerical Python: Scientific Computing and Data Science Applications
with Numpy, SciPy and Matplotlib. Apress.
Jorion, P. (2006). Value at Risk, 3rd Ed.: The New Benchmark for Managing Financial Risk. Mc-
Graw Hill Professional.
McKinney, W. ([s.d.]). Python para análise de dados: Tratamento de dados com Pandas, NumPy
e IPython. Novatec Editora.
Shaw, Z. A. (2017). Learn Python 3 the Hard Way: A Very Simple Introduction to the Terrifyingly
Beautiful World of Computers and Code. Addison-Wesley Professional.
Tsay, R. S. (2010). Analysis of Financial Time Series. John Wiley & Sons. |
