CURSOS DE APERFEIÇOAMENTO
FINANCIAL ANALYTICS

CURSO HÍBRIDO

 CURSOS DE APERFEIÇOAMENTO
FINANCIAL ANALYTICS
Avise-me

PRÓXIMA TURMA

Clique no botão “AVISE-ME” e cadastre-se para ser informado quando forem abertas as inscrições para o curso. Se preferir, entre em contato pelo contato@iag.puc-rio.br ou por Whatsapp pelo (21) 99452-7756.

PRÉ-REQUISITOS

Curso de graduação em qualquer área e domínio da leitura em inglês.

CARGA HORÁRIA | DURAÇÃO

184 horas

AULAS/HORÁRIOS

Turma híbrida (aulas ao vivo – presenciais ou remotas) quinzenal:
Sextas das 18h às 22h e Sábados das 08h às 12h

INVESTIMENTO 

R$ 23.500,00 à vista ou 18 parcelas de R$ 1.361,64 (Juros 0,5%)

CONTATO

Informações ou dúvidas, entre em contato com a Secretaria
Acadêmica do IAG PUC-Rio:
(21) 2138-9240 | contato@iag.puc-rio.br
WhatsApp: 21 99452-7756

Faça sua inscrição

O mercado financeiro tem tido ampla demanda por profissionais com sólida base matemática e habilidades de programação. O objetivo deste curso é fornecer o ferramental necessário para o profissional formular e solucionar problemas matemáticos baseados nas necessidades do setor.

O diferencial do curso é que este será baseado integralmente nas ferramentas R e Python, utilizados amplamente no mercado.

O curso é composto por 2 módulos. O primeiro contém 6 disciplinas, onde Introdução ao R e Introdução ao Python têm 20 horas cada e as demais, 16 horas. O segundo módulo é composto por 5 disciplinas de 16 horas, totalizando uma carga horária de 184 horas para o curso.

As aulas serão híbridas – você decide se vai assisti-las presencialmente ou remotamente, sempre ao vivo.

OBJETIVOS DO PROGRAMA

O curso capacita os alunos a desenvolverem análises estatísticas e quantitativas sofisticadas, com auxílio de R e Python. Além disso, mostra como utilizar machine learning para análises financeiras mais elaboradas, criando um diferencial para os participantes.

PÚBLICO-ALVO

O curso é voltado para o desenvolvimento de profissionais que atuam ou desejam atuar nas seguintes áreas:

  • Gestão de Ativos
  • Área de Pesquisa em Renda variável e Fixa
  • Engenharia Financeira
  • Bancos de Investimento
  • Gestão de Risco
  • Private Equity

Também é indicado para pessoas físicas que desejem aprimorar seus conhecimentos financeiros com foco mais quantitativo para fins de alocação própria do capital com base em desenvolvimento de estratégias individualizadas de trading.

COORDENAÇÃO

Marcelo Cabús Klötzle
Pós-doutorado em Finanças Comportamentais e Doutor em Economia
klotzle@iag.puc-rio.br
> Currículo Lattes

Augusto Ferreira da Costa Neto
Doutor em Administração
augusto.costa@phd.iag.puc-rio.br
> Currículo Lattes

Módulo 1

Estatística descritiva. Distribuição de probabilidades. Medidas de tendência central e dispersão. Intervalos de confiança e teste de hipótese.

Noções Básicas, Pacotes, Vetores e Matrizes, Data Frames, Fatores, Listas, Programação, Importação e Manipulação de Dados Financeiros

Noções Básicas, Listas, Vetores, Pacote NumPy, Visualização, Pacote Matplotlib, Manipulação de Dados Financeiros

Matrizes e vetores. Sistemas lineares. Eliminação gaussiana. Ortogonalidade. Métodos da bissecção. Método da secante. Método de Newton. Condições de otimalidade. Programação Linear. Programação Não-Linear. Programação Dinâmica. Método Simplex. Multiplicador de Lagrange.

Passeio Aleatório e Movimento Browniano. Martingal em tempo discreto e contínuo. Processos de Difusão. Lema de Itô. Equações Diferenciais Estocásticas. Modelo binomial. Mudança de medida. Medida neutra ao risco. Teorema de Girsanov. Modelo de Black-Scholes-Merton.

Conceitos básicos, Métodos de suavização exponencial e médias móveis, Processos estacionários e não estacionários, Abordagem Box Jenkins – modelagem e previsão, Raiz Unitária, Modelos VAR, Cointegração e VECM, Modelos ARCH e GARCH

Módulo 2

Aprendizagem Supervisionada, bias-variance tradeoffs, Avaliação e Implementação de modelos, regressão regularizada e não paramétrica, Modelos gerais aditivos, support vector machines, métodos baseados em árvores, aprendizado não supervisionado

Matriz de Variância-Covariância, Modelo de Otimização de Markowitz, Modelos de Índice, Modelo de Treynor-Black, Modelo de Black-Litterman, Avaliação de Desempenho de Carteiras

Sistemas de Trading Automatizados, Momentum/Trend Following, Arbitragem, Arbitragem Estatística, Market Making, Backtesting

Modelo CAPM, Modelo de 3 Fatores de Fama e French, Modelo de Carhart, Modelo de 5 Fatores de Fama e French, Estimação de Fama e McBeth, Volatilidade Idiossincrática, Assimetria

Introdução às Blockchains; Métodos de consenso; Ledgers distribuídos; Hyperledger; Estruturação de negócios financeiros em ledgers distribuídas. Consórcios privados em ledgers distribuídas. Prediction markets em blockchain; Mercados de atenção em blockchain; Bolsas descentralizadas em Blockchain; Análise de Criptoativos; Portfolio de Criptoativos.

André Leite

Doutor em Administração de Empresas - Finanças (IAG PUC-Rio)

Arnaldo Nascimento

Doutor em Engenharia Industrial com ênfase em Finanças

Augusto Ferreira da Costa Neto

Doutor em Administração

Gerson Júnior

Doutor em Administração de Empresas - Finanças (IAG PUC-Rio)

Jorge Brantes Ferreira

Doutor em Administração de Empresas. Professor do IAG PUC-Rio e Coordenador da Área de Marketing do IAG PUC-Rio.

Leonardo Lima Gomes

Doutor em Engenharia de Produção com ênfase em Finanças (PUC-Rio)

Marcelo Cabús Klötzle

Pós-doutorado em Finanças Comportamentais e Doutor em Economia

Paula Maçaira

Doutora em Engenharia de Produção e Mestre em Engenharia Elétrica pela PUC-Rio. Graduada em Estatística, ENCE, Brasil.

Pedro Argento

Mestre em Administração de Empresas - Finanças (IAG PUC-Rio)

Rafael Palazzi

Doutor em Finanças pela PUC-Rio. Foi Visiting Scholar na Universidade da California - Berkeley. Membro FINE - IAG PUC-Rio.

SELEÇÃO

A seleção será realizada com base em entrevista (que pode ser pessoal, por telefone, WhatsApp ou Skype) com a coordenação do curso, considerando os objetivos profissionais do candidato. Ao realizar a inscrição, será agendada a data da entrevista e, posteriormente, informado ao candidato se foi ou não aprovado para ingresso no curso. Só então será feita a matrícula.

voltar para cursos de aperfeiçoamento
Avise-me

FOLDER DIGITAL

Avise-me

FOLDER DIGITAL

voltar para cursos de aperfeiçoamento