Insper Insper Financial Analytics: PADS
  • Início
  • Cronograma
  • Parte 1: Séries Temporais
    • Aulas 1 e 2: Fundamentos
    • Aulas 3 e 4: Modelos ARIMA
    • Lab 1: Exploração de Séries
    • Aula 5: SARIMA e Prophet
    • Aula 6: Previsão e Validação
    • Aula 7: Fechamento da Parte 1
    • Lab 2: ML para Séries Temporais
    • Jogo: Guess the ARIMA

    • Trabalho Intermediário
  • Parte 2: Financial Analytics
    • Aula 8: Ponte para Finanças
    • Aula 9: Volatilidade e GARCH
    • Lab 3: Séries Financeiras e GARCH
    • Aula 10: VaR e Risco
    • Aula 11: CAPM e Portfólios
    • Lab 4: Monte sua Carteira
    • Aula 12: Tópicos Avançados

    • Lab 3: versão alternativa (blue-chips)
    • Lab 3: versão em R
    • App: Perfil de Risco
    • App: Monte sua Carteira

    • Trabalho Final
  • Códigos
    • Visão geral e mapeamento

    • Aulas 1 e 2: notebook da Paloma
    • Aulas 3 e 4: notebook da Paloma
    • Fundamentos (notebook)
    • ARIMA, SARIMA e Prophet (notebook)
    • Previsão com DARTS (notebook)
    • Lab 2: ML para séries (notebook)

    • Volatilidade com arch (Python)
    • Volatilidade com statsforecast
    • GARCH e SV em R
    • CAPM e VaR (Python)
    • Otimização de carteira

    • VAR, cointegração e pair trading
    • VAR multivariado em R (MTS)
  • Slides
    • Aulas 1 e 2: Fundamentos e decomposição
    • Aulas 3 e 4: Previsão com ARIMA e Prophet

Guess the ARIMA

Jogo: identifique as ordens de um ARIMA ou SARIMA a partir da série, das ACF/PACF e dos testes de raiz unitária

NotaComo as séries são geradas

Cada rodada sorteia um modelo e simula a série no próprio navegador (300 observações de aquecimento são descartadas).

  • Fácil: ARIMA(p,d,q) com \(n = 220\).
  • Difícil: SARIMA(p,d,q)(P,D,Q)\(_{12}\) multiplicativo com \(n = 300\).
  • Coeficientes AR e MA sorteados em faixas com efeito visível (por exemplo, \(|\phi_1| \in [0{,}5;\ 0{,}85]\) no AR(1)), sempre estacionários e invertíveis, evitando quase cancelamento entre as partes AR e MA.
  • Convenção de sinais do statsmodels: \((1-\phi_1 B - \dots)(1-\Phi_1 B^{12})\,\Delta^d \Delta_{12}^D y_t = (1+\theta_1 B + \dots)(1+\Theta_1 B^{12})\,\varepsilon_t\).
  • ADF e KPSS reproduzem statsmodels.tsa.stattools.adfuller(x, regression='c', autolag='AIC') e kpss(x, regression='c', nlags='auto'), com os mesmos p-valores e valores críticos.
  • A PACF usa Yule-Walker (Durbin-Levinson), como pacf(x, method='ywm'). A faixa das ACF/PACF é \(\pm 1{,}96/\sqrt{n}\).
De volta ao topo

Financial Analytics: PADS Insper 2026.34

Programa Avançado de Data Science e Decisão

  • Criar uma issue

Feito com Quarto