What you'll learn:
- Os principais conceitos teóricos sobre finanças e investimentos, como por exemplo: taxas de retorno, cálculos de risco, alocação de portfólios, CAPM e simulações Monte Carlo
- Realizar o download de bases de dados financeiras
- Analisar bases de dados de preços de ações por meio de gráficos interativos
- Calcular taxas de retorno de investimentos e analisar seus resultados
- Aprender passo a passo cálculos estatísticos para calcular o risco de ações e portfólios, como por exemplo: variância, desvio padrão, covariância e correlação
- Escolher os melhores ativos em uma carteira por meio da alocação e otimização de portfólios
- Aplicar as fórmulas de Sharpe Ratio e Markowitz para análise de carteira de ações
- Implementar algoritmos inteligentes de otimização para escolher as melhores ações em um portfólio, como por exemplo: subida da encosta (hill climb), têmpera simulada (simulated annealing) e algoritmos genéticos
- Precificar ativos utilizando o modelo de precificação de ativos CAPM (Capital Asset Pricing Model)
- Construir Simulações Monte Carlo e usar técnicas de séries temporais para prever o preço de ações
- Aplicações de algoritmos de machine learning para classificar as melhores empresas para investir a longo prazo
- Utilizar o algoritmo k-means para agrupar empresas com características similares
- Implementar técnicas de Processamento de Linguagem Natural para classificar o sentimento de textos financeiros
- Explorar e analisar textos financeiros, bem como a extração do nome de empresas dos textos e geração de nuvem de palavras
- Aprender o básico sobre programação utilizando a linguagem Python
Neste curso você terá uma visão teórica e principalmente prática passo a passo sobre os principais conceitos de Finanças e Investimentos, bem como a implementação na linguagem de programação Python e aplicações de Machine Learning (Aprendizagem de Máquina) em bases de dados financeiras. Os diferenciais deste curso é que vamos utilizar bases de dados de empresas brasileiras extraídas da Bolsa de Valores de São Paulo (BOVESPA), bem como a resolução de exercícios em todas as seções. Desta forma, você poderá praticar imediatamente após aprender os conceitos! O conteúdo está dividido em duas partes: na primeira você aprenderá os conceitos básicos de finanças e na segunda parte vamos aplicar machine learning em bases de dados com informações financeiras. Configura abaixo alguns dos tópicos que você aprenderá:
Extração de bases de dados financeiras da Internet
Criação de gráficos dinâmicos para visualização de informações financeiras
Análise de histograma, boxplot e gráfico de linha para interpretação das bases de dados
Cálculo de retorno simples e cálculo de retorno logarítmico
Cálculo de risco utilizando métricas estatísticas como desvio padrão, variância, covariância e coeficiente de correlação
Análise de empresas simulares por meio do coeficiente de correlação
Cálculo de sharpe ratio e Markowitz para análise de carteira de ações
Alocação de ativos em uma carteira para reduzir os riscos e aumentar os lucros
Uso de algoritmos inteligentes de otimização para escolher os melhores ativos em uma carteira. Implementaremos os seguintes algoritmos: subida da encosta (hill climb), têmpera simulada (simulated annealing) e algoritmos genéticos
Cálculo do famoso modelo CAPM (Capital Asset Pricing Model) para precificação de ativos
Implementação de Simulações Monte Carlo para previsão do preço de ações
Geração dos melhores e piores cenários de preços com Simulações Monte Carlo
Uso do algoritmos ARIMA e do Facebook Prophet para previsão do preço de ações
Pré-processamento completo em uma base de dados com as características de mais de 300 empresas da BOVESPA, com o objetivo de prever as melhores empresas para investimento a longo prazo
Aplicação do algoritmo k-means para agrupamento de empresas com características simulares
Visualização e exploração de textos do Twitter que falam sobre finanças, bem como a extração das empresas que as pessoas estão falando e geração dos assuntos/palavras mais frequentes
Criação de um classificador de sentimentos para indicar se um texto sobre finanças é positivo ou negativo
Todos os exemplos são desenvolvidos passo a passo sem pressa utilizando o Google Colab on-line e a linguagem Python, ou seja, o único software necessário para acompanhar o curso é qualquer navegador web. Não é necessário gastar tempo instalando ou configurando softwares em sua máquina local! É novo em Python? Não há problema! No final do curso você conta com aulas básicas sobre essa linguagem de programação!
Este é o curso ideal caso você queira aumentar significativamente seus conhecimentos em Finanças, Análise de Dados, Ciência de Dados e Machine Learning! Ao final, você aprenderá tudo o que precisa saber para construir seus próprios projetos e realizar suas próprias análises financeiras! São 200 aulas com exercícios resolvidos! O curso é para todos os níveis de conhecimento, ou seja, se você é iniciante ou de nível avançado conseguirá aproveitar o conteúdo.
