Financial Analytics

Programa Avançado de Data Science e Decisão: Insper

Sobre a Disciplina

Esta disciplina combina fundamentos estatísticos com aplicações práticas em finanças, preparando você para tomar decisões baseadas em dados no contexto corporativo.

Parte 1: Séries Temporais

Baseada no livro Forecasting: Principles and Practice (Hyndman & Athanasopoulos), esta parte cobre:

Decomposição e estacionariedade
ACF, PACF e testes de raiz unitária
Modelos ARIMA e SARIMA
Previsão e validação cruzada temporal
Prophet e modelos automáticos

Parte 2: Financial Analytics

Aplicando os fundamentos a problemas financeiros reais:

Retornos e fatos estilizados de séries financeiras
Modelos de volatilidade (ARCH/GARCH)
Value at Risk (VaR) e Expected Shortfall
CAPM e fronteira eficiente
Otimização de portfólios
Tópicos avançados: pair trading, VAR multivariado

Metodologia

Foco em Pensamento Crítico

Mais importante do que gerar resultados é entender o método, desenvolver pensamento crítico e dominar estratégias de resolução de problemas. Cada conceito é conectado a um problema real de negócios.

Entregas

Entrega	Prazo	Conteúdo
Intermediária	Semana de 18/mai	Análise completa de série temporal (Parte 1)
Final	Semana de 15/jun	Análise de portfólio com gestão de risco (Parte 2)

Ferramentas sugeridas

Biblioteca	Uso
`pandas` / `numpy`	Manipulação de dados e séries temporais
`statsmodels`	Modelos estatísticos, ACF/PACF, testes
`statsforecast`	ARIMA automático, cross-validation
`arch`	Modelos GARCH e variantes
`yfinance`	Download de dados financeiros
`scipy.optimize`	Otimização de portfólios
`plotly`	Gráficos interativos
`matplotlib` / `seaborn`	Visualização estatística

Referências

Hyndman, R.J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice. Em R | Em Python
Tsay, R.S. (2010). Analysis of Financial Time Series, 3rd edition. Wiley.
Morettin, P.A. (2017). Econometria Financeira: um curso em séries temporais financeiras. Blucher.
McNeil, A.J., Frey, R., & Embrechts, P. (2015). Quantitative Risk Management. Princeton.

De volta ao topo

--- title: "Financial Analytics" subtitle: "Programa Avançado de Data Science e Decisão: Insper" page-layout: full toc: false --- ::: {.hero-banner} # Financial Analytics {.unnumbered} ::: {.subtitle} Modelos de séries temporais, gestão de risco e otimização de portfólios aplicados a problemas reais de negócios. ::: ::: {.badge-line} [48 horas]{.badge-item} [Python]{.badge-item} [Séries Temporais]{.badge-item} [GARCH]{.badge-item} [VaR]{.badge-item} [Portfólios]{.badge-item} ::: ::: ## Sobre a Disciplina Esta disciplina combina **fundamentos estatísticos** com **aplicações práticas em finanças**, preparando você para tomar decisões baseadas em dados no contexto corporativo. ::: {.grid} ::: {.g-col-6} ### Parte 1: Séries Temporais Baseada no livro [Forecasting: Principles and Practice](https://otexts.com/fpp3/) (Hyndman & Athanasopoulos), esta parte cobre: - Decomposição e estacionariedade - ACF, PACF e testes de raiz unitária - Modelos ARIMA e SARIMA - Previsão e validação cruzada temporal - Prophet e modelos automáticos ::: ::: {.g-col-6} ### Parte 2: Financial Analytics Aplicando os fundamentos a problemas financeiros reais: - Retornos e fatos estilizados de séries financeiras - Modelos de volatilidade (ARCH/GARCH) - Value at Risk (VaR) e Expected Shortfall - CAPM e fronteira eficiente - Otimização de portfólios - Tópicos avançados: pair trading, VAR multivariado ::: ::: ## Metodologia ::: {.callout-tip} ## Foco em Pensamento Crítico Mais importante do que gerar resultados é **entender o método**, desenvolver **pensamento crítico** e dominar **estratégias de resolução de problemas**. Cada conceito é conectado a um problema real de negócios. ::: ## Entregas | Entrega | Prazo | Conteúdo | |---------|-------|----------| | **Intermediária** | Semana de 18/mai | Análise completa de série temporal (Parte 1) | | **Final** | Semana de 15/jun | Análise de portfólio com gestão de risco (Parte 2) | ## Ferramentas sugeridas | Biblioteca | Uso | |------------|-----| | **`pandas` / `numpy`** | Manipulação de dados e séries temporais | | **`statsmodels`** | Modelos estatísticos, ACF/PACF, testes | | **`statsforecast`** | ARIMA automático, cross-validation | | **`arch`** | Modelos GARCH e variantes | | **`yfinance`** | Download de dados financeiros | | **`scipy.optimize`** | Otimização de portfólios | | **`plotly`** | Gráficos interativos | | **`matplotlib` / `seaborn`** | Visualização estatística | ## Referências - Hyndman, R.J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice. [Em R](https://otexts.com/fpp3/) | [Em Python](https://otexts.com/fpppy/) - Tsay, R.S. (2010). *Analysis of Financial Time Series*, 3rd edition. Wiley. - Morettin, P.A. (2017). *Econometria Financeira: um curso em séries temporais financeiras*. Blucher. - McNeil, A.J., Frey, R., & Embrechts, P. (2015). *Quantitative Risk Management*. Princeton.