Neste curso você terá uma visão teórica e principalmente prática passo a passo sobre os principais conceitos de Finanças e Investimentos, bem como a implementação na linguagem de programação Python e aplicações de Machine Learning (Aprendizagem de Máquina) em bases de dados financeiras. Os diferenciais deste curso é que vamos utilizar bases de dados de empresas brasileiras extraídas da Bolsa de Valores de São Paulo (BOVESPA), bem como a resolução de exercícios em todas as seções. Desta forma, você poderá praticar imediatamente após aprender os conceitos! O conteúdo está dividido em duas partes: na primeira você aprenderá os conceitos básicos de finanças e na segunda parte vamos aplicar machine learning em bases de dados com informações financeiras. Configura abaixo alguns dos tópicos que você aprenderá:

• Extração de bases de dados financeiras da Internet

• Criação de gráficos dinâmicos para visualização de informações financeiras

• Análise de histograma, boxplot e gráfico de linha para interpretação das bases de dados

• Cálculo de retorno simples e cálculo de retorno logarítmico

• Cálculo de risco utilizando métricas estatísticas como desvio padrão, variância, covariância e coeficiente de correlação

• Análise de empresas simulares por meio do coeficiente de correlação

• Cálculo de sharpe ratio e Markowitz para análise de carteira de ações

• Alocação de ativos em uma carteira para reduzir os riscos e aumentar os lucros

• Uso de algoritmos inteligentes de otimização para escolher os melhores ativos em uma carteira. Implementaremos os seguintes algoritmos: subida da encosta (hill climb), têmpera simulada (simulated annealing) e algoritmos genéticos

• Cálculo do famoso modelo CAPM (Capital Asset Pricing Model) para precificação de ativos

• Implementação de Simulações Monte Carlo para previsão do preço de ações

• Geração dos melhores e piores cenários de preços com Simulações Monte Carlo

• Uso do algoritmos ARIMA e do Facebook Prophet para previsão do preço de ações

• Pré-processamento completo em uma base de dados com as características de mais de 300 empresas da BOVESPA, com o objetivo de prever as melhores empresas para investimento a longo prazo

• Aplicação do algoritmo k-means para agrupamento de empresas com características simulares

• Visualização e exploração de textos do Twitter que falam sobre finanças, bem como a extração das empresas que as pessoas estão falando e geração dos assuntos/palavras mais frequentes

• Criação de um classificador de sentimentos para indicar se um texto sobre finanças é positivo ou negativo

Todos os exemplos são desenvolvidos passo a passo sem pressa utilizando o Google Colab on-line e a linguagem Python, ou seja, o único software necessário para acompanhar o curso é qualquer navegador web. Não é necessário gastar tempo instalando ou configurando softwares em sua máquina local! É novo em Python? Não há problema! No final do curso você conta com aulas básicas sobre essa linguagem de programação!

Este é o curso ideal caso você queira aumentar significativamente seus conhecimentos em Finanças, Análise de Dados, Ciência de Dados e Machine Learning! Ao final, você aprenderá tudo o que precisa saber para construir seus próprios projetos e realizar suas próprias análises financeiras! São 200 aulas com exercícios resolvidos! O curso é para todos os níveis de conhecimento, ou seja, se você é iniciante ou de nível avançado conseguirá aproveitar o conteúdo.