Visão Geral

Este Curso Data Analysis and Programming for Finance,  ensinará os elementos essenciais de Python e R para construir aplicativos úteis na prática e conduzir análises de dados para finanças.

Objetivo

Após realizar este Curso Data Analysis and Programming for Finance você será capaz de:

• Aprenda os elementos básicos de programação em Python e R
• Familiarize-se com os pontos fortes e fracos de cada ambiente de desenvolvimento
• Aprenda conceitos e técnicas essenciais de análise de dados para finanças
• Crie aplicativos realistas para finanças usando Monte Carlo e técnicas de diferenças finitas, incluindo um preço de opções americano

Publico Alvo

• Desenvolvedores,
• Quants, analistas,
• Engenheiros financeiros,
• Qualquer pessoa que queira se tornar um modelador financeiro melhor.

Pre-Requisitos

• Probabilidade e estatísticas básicas
• Alguma familiaridade com títulos financeiros e derivados
• Diferencial elementar e cálculo integral

Materiais

Conteúdo Programatico

Introduction to Python

1. The Anaconda Python distribution
   
2.  Interactive programming: IPython and Jupyter notebooks
3.  Programming: control structures, data types, functions, data structures
4.  Modules and Packages

Essential Python Toolkit

1. Date and time management : format, measuring time lapse, etc.
   
2.  How to build and run a standalone application
3.  Parsing command line arguments
4.  Importing/Exporting files
5.  Reading and writing in CSV format
6.  Accessing SQL databases
7.  Multiprocessing
8.  Using a dictionary for explicit indexing

Arrays, Vectorization and Random NUmbers

1. NumPy: array processing
   
2.  Vectorized functions
3.  Random number generation

Scientific Computing with Python

1. Matplotlib: 2D and 3D plotting
   
2.  Using pyplot
3.  SciPy: scientific computing
4.  Root finding, interpolation, integration and optimization

Data Analysis with Python

1. Data analysis with scipy.stats and pandas
   
2.  Pandas data structures: series and data frames
3.  Importing and exporting data from/to MS Excel
4.  Importing data from websites

Python Applications

1. Monte Carlo simulation basics
   
2.  Simulating asset price trajectories
3.  Variance reduction techniques
4.  Pricing options by Monte Carlo simulation
5.  Pricing options by finite difference methods

R Basics

1. The IDE: RStudio
   
2.  R syntax
3.  R objects: vectors, matrices, arrays, data frames and lists
4.  Flow control: branching, looping and truth testing
5.  Importing and manipulating data
6.  Plotting with R

Data Analysis with R

1. Manipulating data frames
   
2.  Descriptive statistics
3.  Inference and time series analysis

R Applications

1. Regression analysis
   
2.  Volatility modeling
3.  Risk management: VaR and ES