Data Analytics for Finance

Objetivos

Ensinar programação de computador moderna e de alto desempenho para análise de dados em finanças. O aluno aprenderá a escrever seu próprio código de computador personalizado para analisar dados reais do mercado de ações e títulos. Vamos construir estratégias de negociação, formar carteiras e avaliar o desempenho da carteira. Também exploraremos o uso de modelos estatísticos e de aprendizagem de máquina no domínio financeiro (por exemplo, regressão bayesiana, árvores de decisão/florestas aleatórias, redes neurais). As ferramentas e técnicas desenvolvidas são mais diretamente relevantes para pesquisadores em fundos de investimento sistemáticos quantitativos long-short, mas também têm aplicações em uma ampla gama de disciplinas de ciência de dados fora das finanças. Usaremos principalmente o F# como linguagem de implementação. O código F# tende a ser tão simples quanto o código Python ou R equivalente, mas geralmente é mais rápido e mais robusto. Isso o torna uma boa linguagem para finanças, onde simplicidade, velocidade e correção são importantes. Como uma linguagem .NET, ele também tem acesso a uma ampla variedade de bibliotecas .NET escritas nas linguagens F# e C#. Também desenvolveremos redes neurais usando o mesmo back-end LibTorch que alimenta o PyTorch e é usado por grandes usuários industriais, como Meta e Tesla. A API que usaremos tem idiomas de nomenclatura e codificação muito semelhantes aos da API PyTorch Python. Dado que o curso analisa estratégias de investimento, uma sólida experiência em investimentos é importante. Tanto a conclusão prévia quanto a inscrição simultânea no curso da Nova Investments são fortemente encorajadas. A disciplina será mais fácil para aqueles que já escreveram programas de computador ou scripts antes, mas nenhuma experiência anterior em programação é necessária. Começaremos com o básico e o atualizaremos rapidamente. No entanto, aqueles que são novos em programação devem esperar dedicar muito tempo fora da aula no início da disciplina aprendendo os fundamentos da programação. Serão fornecidos links para extensos tutoriais on-line para ajudar 



Caracterização geral

Código

2280

Créditos

7

Professor responsável

Nicholas H Hirschey

Horas

Semanais - A disponibilizar brevemente

Totais - A disponibilizar brevemente

Idioma de ensino

Inglês

Pré-requisitos

n/a 


Bibliografia

Não há livro obrigatório. Material de referência adicional relevante para cada assunto de aula será disponibilizado na disciplina. 


Método de ensino

As aulas consistirão em orientações e debate de código de exemplo demonstrando como realizar os cálculos necessários. Este código também é fornecido aos alunos para que possam estudar e experimentar fora da aula. A experimentação externa com o código de exemplo fornecido na aula será necessária para o domínio do material do curso. 


Método de avaliação

A nota será baseada em trabalhos e projetos.

Participação na Aula: 15% Trabalhos: 20% Teste Intermédio: 20% Exame Final/Projeto: 45% 

 

Conteúdo

Mais informação e exemplos de materiais de palestras podem ser encontrados em https://nhirschey.github.io/Teaching/. Esta disciplina é relativamente nova e pode mudar de ano a ano. Abaixo está um esboço preliminar dos tópicos. Alguns tópicos mudarão e/ou abrangerão várias sessões.

Noções básicas de programação, retornos e volatilidades. Previsibilidade do retorno do mercado de ações. Modelagem de volatilidade e estratégias de temporização de volatilidade. Construindo estratégias de negociação a partir de um sinal. Avaliação de desempenho da carteira. Construção de portfólios eficientes de média-variância. Construindo Portfólios "Smart Beta". Tópicos de "IA" como árvores de decisão de aumento de gradiente e redes neurais para prever retorno e risco.