Skip to content

rafa-rod/Curso-Introducao-Risco-de-Mercado-em-Python---Financial-Risk-Academy

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

9 Commits
 
 
 
 
 
 

Repository files navigation

Curso de Introdução ao Risco de Mercado com Python ministrado por mim na Financial Risk Academy:

  https://financial-risk-academy.teachable.com/courses/

Apresentação do Curso:


Você será capaz de entender o que é e como usar o VaR (Value at Risk), além de outras medidas de risco de uma forma prática e objetiva como você nunca viu antes. Esse curso serve como um acelerador de conhecimento para entrantes no tema e serve para firmar os conhecimentos de gestores e outros que já atuam na área, mas não possuem total domínio. O curso não somente elucida os conceitos teóricos com aplicação prática de uma carteira de ativos, usando linguagem de programação Python, como também discute as implicações do uso dos modelos de VaR no dia a dia, incluindo processos de validação por backtests e critérios de seleção dos modelos.

Objetivos do Curso:


Não somente aprofundar os fundamentos por trás dos modelos clássicos de VaR e outras medidas de risco para quem já possui familiaridade com o tema, mas também serve como formação para aqueles que estão ingressando ou pretendem ingressar no assunto. O curso vai além de um simples curso de introdução e promove a discussão da relação entre desempenho estatístico dos modelos de VaR e seus reflexos na gestão do dia a dia de risco de mercado que você não encontra em artigos, livros e cursos por aí. Ademais, o curso promove a disseminação do uso do Python como linguagem de programação, uma das linguagens mais usadas atualmente nas Universidades e Corporações, principalmente em Machine Learning.

Público Alvo e Pré-requisitos:


Profissionais de instituições financeiras e fundos de pensão (estagiários, operadores/traders, analistas, gestores, auditores internos e de validação), consultorias e órgãos reguladores especialmente os envolvidos em gestão financeira e gestão de risco de mercado. É desejável que você tenha conhecimento básico de qualquer linguagem de programação e estatística. Apesar de usarmos o Python, se você já conhece alguma outra linguagem, será capaz de absorver o conhecimento sem problemas.

Metodologia (Teoria e Prática):


O treinamento será composto por 7 módulos contendo conceitos teóricos e práticos em programação em Python desde captura de dados passando pela análise estatística e gráfica e apresentando suas implicações em questões práticas da rotina de gerenciamento de risco de mercado. Os códigos e scripts serão fornecidos para serem usados livremente por alunos.

Programa:


Módulo 1 - Introdução à Análise de Séries Temporais

  • Introdução à Análise de Séries Temporais Financeiras;
  • Estacionaridade, Homocedasticidade e outros conceitos importantes;
  • Propriedade de Memória das Séries;
  • Decomposição de Séries Temporais;
  • Processos Determinísticos e Estocásticos;
  • Como instalar Python com Anaconda;
  • Baixando dados de Ações;
  • Cálculo de retorno de ações (diferenças entre retorno simples e logarítmico);
  • Análise visual das distribuições de retorno;
  • Teste estatístico de Normalidade;
  • Teste estatístico de Estacionaridade.

Módulo 2 - Processos Determinísticos

  • Modelagens Determinísticas mais conhecidas;
  • Premissas dos modelos ARIMA;
  • Encontrando parâmetros do modelo ARIMA visualmente;
  • Previsão dinâmica do modelo ARIMA;
  • Como interpretar resultados do modelo ARIMA;
  • Encontrando parâmetro do modelo ARIMA automaticamente;
  • Introdução aos modelos GARCH;
  • Exemplo Modelo GARCH(1,1);
  • Comparação entre modelos GARCH(p,q);
  • Encontrando parametrização dos modelos GARCH;
  • Modelo EGARCH;
  • Modelo FIGARCH;
  • Previsão de retornos com GARCH e Simulação de Monte Carlo;
  • Previsão dinâmica com modelo GARCH.

Módulo 3 - Processos Estocásticos

  • Introdução aos Processos Estocásticos;
  • Movimento Browniano;
  • Movimento Browniano com Simulação de Monte Carlo;
  • Modelo Heston com Simulação de Monte Carlo;
  • Conceitos de Modelagem Bayesiana;
  • Métodos Avançados de Monte Carlo;
  • Exemplo de Modelagem Bayesiana com MCMC e algoritmo NUTS.

Módulo 4 - Distribuição de Perdas e Ganhos da Carteira e Metodologia RiskMetrics

  • Baixando dados de índice e analisando correlações;
  • Exposição ao Risco de Mercado e Peso das Ações;
  • Distribuição de Perdas e Ganhos da Carteira;
  • Beta da Carteira e das Ações;
  • Volatilidade da Carteira e a Regra da Raiz de T;
  • Metodologia RiskMetrics;
  • Metodologia RiskMetrics Ajustada;
  • Impacto do Parâmetro Lambda da Volatilidade EWMA.

Módulo 5 - Introdução às Medidas de Risco

  • Introdução às medidas de risco;
  • Conceito de Value at Risk (VaR);
  • Expected Shortfall (ES);
  • Drawdown das Ações;
  • Calculando VaR e ES para o caso univariado;
  • Drawdown e Drawdown Médio de uma Ação;
  • Drawdown em janelas fixas;
  • Máximo Drawdown;
  • Conditional Drawdown at Risk (CDaR);
  • Time Underwater;
  • Máximo Drawdown da Carteira.

Módulo 6 - Modelos Clássicos de VaR

  • Decomposição do VaR;
  • Cálculo da decomposição do VaR;
  • Tipos de Modelos de VaR;
  • Modelo de Simulação Histórica;
  • Modelo de Simulação Histórica com Decaimento (BRW);
  • Modelo Hull-White (HW);
  • Modelo Normal EWMA;
  • Modelo GARCH;
  • Modelo de Simulação de Monte Carlo Full Valuation;
  • VaR de Posições Vendidas;
  • VaR para Períodos Superiores a 1 dia (HP maior que 1);
  • VaR de subcarteiras e subaditividade do VaR.

Módulo 7 - Seleção e Validação de Modelos de VaR

  • Introdução à Seleção e Validação de Modelos de VaR;
  • Testes Específicos para Modelos Paramétricos;
  • Teste de Kupiec;
  • Teste de Christoffersen (duration);
  • Critérios de Seleção dos Modelos de VaR.