Curso completo de Finanças Quantitativas: da teoria matemática à implementação prática com dados reais do mercado brasileiro.
quantitative-finance/
│
├── curso_quant_financas.html # Curso interativo (abrir no navegador)
├── requirements.txt # Dependências Python
├── README.md # Este arquivo
│
├── src/ # Código-fonte (12 módulos + dashboard)
│ ├── modulo01_retornos_financeiros.py
│ ├── modulo02_estatistica_financeira.py
│ ├── modulo03_probabilidade_distribuicoes.py
│ ├── modulo04_series_temporais.py
│ ├── modulo05_arima_sarima.py
│ ├── modulo06_garch_volatilidade.py
│ ├── modulo07_previsao_backtesting.py
│ ├── modulo08_var_cvar.py
│ ├── modulo09_monte_carlo.py
│ ├── modulo10a_random_forest_xgboost.py
│ ├── modulo10b_ridge_lasso_regression.py
│ ├── modulo10c_lstm_previsao.py
│ ├── modulo10d_pca_clustering.py
│ ├── modulo10e_svm_knn.py
│ ├── modulo11_portfolio_quantitativo.py
│ ├── modulo12_derivativos_opcoes.py
│ └── dashboard_interativo.py
│
├── data/ # Datasets reais (CSV via yfinance)
│ ├── precos_fechamento_2anos.csv # Fechamento de 11 ativos (2 anos)
│ ├── volume_2anos.csv # Volume negociado (2 anos)
│ ├── retornos_log_2anos.csv # Log-retornos diários
│ ├── ibovespa_ohlcv_3anos.csv # OHLCV completo do Ibovespa (3 anos)
│ ├── petr4_ohlcv_3anos.csv # OHLCV completo da PETR4 (3 anos)
│ ├── precos_acoes_br.csv # Preços gerados pelo módulo 01
│ ├── estatisticas_retornos.csv # Estatísticas geradas pelo módulo 02
│ ├── matriz_correlacao.csv # Correlação gerada pelo módulo 02
│ └── ...
│
└── graficos/ # Gráficos gerados (PNG)
├── m01_precos_normalizados.png
├── m02_heatmap_correlacao.png
├── m06_garch_analise.png
├── m12_greeks.png
└── ...
| Módulo | Tema | Conteúdo |
|---|---|---|
| 01 | Retornos Financeiros | Retorno simples vs log-return, retorno acumulado, volatilidade, Sharpe Ratio |
| 02 | Estatística Financeira | 4 momentos, covariância/correlação, GBM (Geometric Brownian Motion), risco de portfólio |
| 03 | Probabilidade & Distribuições | Normal, t-Student, Log-Normal, TLC, VaR paramétrico, QQ-Plot |
| Módulo | Tema | Conteúdo |
|---|---|---|
| 04 | Séries Temporais | Estacionariedade, ADF test, ACF/PACF, decomposição, rolling stats |
| 05 | ARIMA & SARIMA | Identificação de ordem, fitting, diagnóstico de resíduos, previsão |
| 06 | GARCH & Volatilidade | Volatility clustering, GARCH(1,1), EGARCH, GJR-GARCH, previsão de vol |
| Módulo | Tema | Conteúdo |
|---|---|---|
| 07 | Previsão & Backtesting | Walk-forward, expanding window, métricas de previsão, sinais de trading |
| 08 | VaR & CVaR | VaR histórico/paramétrico/Monte Carlo, CVaR, backtesting de VaR |
| 09 | Monte Carlo | Simulação GBM, precificação de opções, análise de cenários, convergência |
| Módulo | Tema | Conteúdo |
|---|---|---|
| 10a | Random Forest & XGBoost | Classificação de direção de mercado, feature importance, tuning |
| 10b | Ridge & Lasso Regression | Regularização, seleção de features, cross-validation |
| 10c | LSTM (Deep Learning) | Previsão de séries temporais com redes neurais recorrentes |
| 10d | PCA & Clustering | Redução de dimensionalidade, K-Means, regime detection |
| 10e | SVM & KNN | Classificação não-linear, kernel trick, validação |
| 11 | Gestão de Portfólio | Markowitz, fronteira eficiente, Black-Litterman, Sharpe/Sortino/Calmar |
| 12 | Derivativos & Opções | Black-Scholes, Greeks, estratégias (Straddle, Butterfly, Iron Condor) |
Dashboard completo em Plotly Dash com:
- Análise de preços em tempo real
- Retornos e volatilidade rolling
- VaR/CVaR dinâmico
- Simulação Monte Carlo
- Calculadora Black-Scholes interativa
pip install -r requirements.txt# Cada módulo é independente — baixa dados reais e gera gráficos
python src/modulo01_retornos_financeiros.py
python src/modulo02_estatistica_financeira.py
python src/modulo06_garch_volatilidade.py
python src/modulo10a_random_forest_xgboost.py
python src/modulo12_derivativos_opcoes.pypython src/dashboard_interativo.py
# Acesse: http://localhost:8050Todos os módulos usam dados reais do mercado brasileiro via yfinance:
| Ativo | Empresa | Setor |
|---|---|---|
| PETR4 | Petrobras | Petróleo & Gás |
| VALE3 | Vale | Mineração |
| ITUB4 | Itaú Unibanco | Bancos |
| BBDC4 | Bradesco | Bancos |
| ABEV3 | Ambev | Bebidas |
| WEGE3 | WEG | Industrial |
| RENT3 | Localiza | Locação |
| BBAS3 | Banco do Brasil | Bancos |
| SUZB3 | Suzano | Papel & Celulose |
| GGBR4 | Gerdau | Siderurgia |
| ^BVSP | IBOVESPA | Índice |
O repositório já inclui datasets prontos para uso, baixados via yfinance:
| Arquivo | Descrição | Período |
|---|---|---|
precos_fechamento_2anos.csv |
Preços de fechamento diários de 11 ativos | 2 anos |
volume_2anos.csv |
Volume negociado diário dos 11 ativos | 2 anos |
retornos_log_2anos.csv |
Log-retornos diários calculados | 2 anos |
ibovespa_ohlcv_3anos.csv |
OHLCV completo do Ibovespa (Open, High, Low, Close, Volume) | 3 anos |
petr4_ohlcv_3anos.csv |
OHLCV completo da Petrobras | 3 anos |
Nota: Os módulos também baixam dados em tempo real ao serem executados. Os CSVs acima servem como referência e para uso offline.
- Dados:
yfinance,pandas,numpy - Estatística:
scipy,statsmodels,arch - Séries Temporais:
statsmodels,pmdarima - Machine Learning:
scikit-learn,xgboost,tensorflow/keras - Visualização:
matplotlib,plotly,dash - Finanças:
scipy.optimize(otimização de portfólio),scipy.stats(Black-Scholes)
Cada módulo gera múltiplos gráficos com tema escuro profissional:
- Fronteira Eficiente de Markowitz
- Heatmaps de correlação
- Superfície de volatilidade implícita
- Simulações Monte Carlo (GBM)
- Volatilidade condicional GARCH
- Greeks de opções
- Confusion matrices e ROC curves (ML)
- Decomposição de séries temporais
- Markowitz, H. (1952). Portfolio Selection. Journal of Finance
- Black, F. & Scholes, M. (1973). The Pricing of Options and Corporate Liabilities
- Engle, R. (1982). Autoregressive Conditional Heteroscedasticity (ARCH)
- Bollerslev, T. (1986). Generalized ARCH (GARCH)
- Black, F. & Litterman, R. (1992). Global Portfolio Optimization
- Hull, J. — Options, Futures, and Other Derivatives
- Tsay, R. — Analysis of Financial Time Series
Desenvolvido como material educacional com ajuda do Claude para meu estudo