index.qmd

---
title: "Financial Analytics"
subtitle: "Programa Avançado de Data Science e Decisão: Insper"
page-layout: full
toc: false
listing:
  id: proximas
  contents: cronograma.yml
  template: assets/proximas.ejs
  sort: false
  page-size: 500
  filter-ui: false
  sort-ui: false
  feed: false
---

::: {.hero-banner}

# Financial Analytics {.unnumbered}

::: {.subtitle}
Modelos de séries temporais, gestão de risco e otimização de portfólios aplicados a problemas reais de negócios.
:::

::: {.badge-line}
[Turma {{< var turma >}} · {{< var edicao >}}]{.badge-item}
[{{< var carga >}}]{.badge-item}
[Python]{.badge-item}
[Séries Temporais]{.badge-item}
[GARCH]{.badge-item}
[VaR]{.badge-item}
[Portfólios]{.badge-item}
:::

:::

## Próximas sessões

::: {#proximas}
:::

## Sobre a Disciplina

Esta disciplina combina **fundamentos estatísticos** com **aplicações práticas em finanças**, preparando você para tomar decisões baseadas em dados no contexto corporativo.

::: {.grid}

::: {.g-col-6}

### Parte 1: Séries Temporais

Baseada no livro [Forecasting: Principles and Practice](https://otexts.com/fpp3/) (Hyndman & Athanasopoulos), esta parte cobre:

- Decomposição e estacionariedade
- ACF, PACF e testes de raiz unitária
- Modelos ARIMA e SARIMA
- Previsão e validação cruzada temporal
- Prophet e modelos automáticos
- Machine learning e foundation models para séries

:::

::: {.g-col-6}

### Parte 2: Financial Analytics

Aplicando os fundamentos a problemas financeiros reais:

- Retornos e fatos estilizados de séries financeiras
- Modelos de volatilidade (ARCH/GARCH)
- Value at Risk (VaR) e Expected Shortfall
- CAPM e fronteira eficiente
- Otimização de portfólios
- Tópicos avançados: pair trading, VAR multivariado

:::

:::

## Metodologia

::: {.callout-tip}
## Foco em Pensamento Crítico
Mais importante do que gerar resultados é **entender o método**, desenvolver **pensamento crítico** e dominar **estratégias de resolução de problemas**. Cada conceito é conectado a um problema real de negócios.
:::

## Entregas

| Entrega | Conteúdo | Prazo |
|---------|----------|-------|
| [**Intermediária**](trabalhos/intermediario.qmd) | Previsão de 12 meses para uma empresa que passou por uma aquisição (Parte 1) | {{< var intermediario.prazo >}} |
| [**Final**](trabalhos/final.qmd) | Análise e otimização de portfólio com gestão de risco (Parte 2) | {{< var final.prazo >}} |

## Equipe

| Papel | Nome | Conduz |
|---|---|---|
| Professora | {{< var docente >}} | Aulas |
| Monitor | {{< var monitor >}} | Labs e office hours (e apoio nas aulas presenciais) |

Dúvidas sobre o conteúdo podem ser abertas como [issue no repositório](https://github.com/padsInsper/202634-fa/issues) ou levadas aos labs.

## Fontes de dados

| Fonte | O que oferece | Acesso |
|---|---|---|
| **Banco Central (SGS)** via `python-bcb` | Séries macroeconômicas (IPCA, Selic, IBC-Br) | Gratuito, sem cadastro |
| **Yahoo Finance** via `yfinance` | Preços diários (ajustados) de ações, FIIs, ETFs e índices | Gratuito, sem garantia de qualidade ou disponibilidade |
| **S&P Capital IQ Pro** | Plataforma profissional da S&P Global: demonstrações financeiras padronizadas, preços e mercado de capitais, estimativas, ratings de crédito, transcrições de *conference calls*, ESG, dados macro e *screening*; dados de mais de 109 mil empresas abertas e 60 milhões de fechadas | Licenciado pelo Insper (Biblioteca Telles), via OpenAthens no DataLab ou remotamente |

::: {.callout-note}
## S&P Capital IQ Pro no Insper
É a mesma base usada por bancos, gestoras e consultorias. Para pedir acesso, envie à Biblioteca (biblioteca@insper.edu.br ou WhatsApp 11 97464-1087) seu nome completo, login e o período de uso. Detalhes na [página da Biblioteca Telles](https://www.insper.edu.br/pt/campus/biblioteca-telles/recursos-de-busca/capitaliq). O acesso não se estende a alumni. Um exemplo de uso está na aula [Ponte para Finanças](aulas/retornos.qmd#de-onde-vêm-os-dados).
:::

## Ferramentas sugeridas

| Biblioteca | Uso |
|------------|-----|
| **`pandas` / `numpy`** | Manipulação de dados e séries temporais |
| **`statsmodels`** | Modelos estatísticos, ACF/PACF, testes |
| **`statsforecast`** | ARIMA automático, cross-validation |
| **`arch`** | Modelos GARCH e variantes |
| **`yfinance`** | Download de dados financeiros |
| **`scipy.optimize`** | Otimização de portfólios |
| **`plotly`** | Gráficos interativos |
| **`matplotlib` / `seaborn`** | Visualização estatística |

## Referências

- Hyndman, R.J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice. [Em R](https://otexts.com/fpp3/) | [Em Python](https://otexts.com/fpppy/)
- Tsay, R.S. (2010). *Analysis of Financial Time Series*, 3rd edition. Wiley.
- Morettin, P.A. (2017). *Econometria Financeira: um curso em séries temporais financeiras*. Blucher.
- McNeil, A.J., Frey, R., & Embrechts, P. (2015). *Quantitative Risk Management*. Princeton.