Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Gerenciar riscos usando Gerenciamento Quantitativo de Risco é uma tarefa vital nos setores bancário, de seguros e de gestão de ativos. É essencial que analistas de risco financeiro, reguladores e atuários consigam equilibrar quantitativamente os retornos em relação à sua exposição ao risco.Este curso apresenta o gerenciamento de risco de portfólio financeiro por meio da análise da crise financeira de 2007—2008 e seu efeito em bancos de investimento como Goldman Sachs e J.P. Morgan. Você vai aprender a usar Python para calcular e mitigar a exposição ao risco usando as medidas Value at Risk e Conditional Value at Risk, estimar risco com técnicas como simulação de Monte Carlo e usar tecnologias de ponta, como redes neurais, para realizar o rebalanceamento de portfólio em tempo real.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Revisão de risco e retorno
O gerenciamento de risco começa com o entendimento de risco e retorno. Vamos recapitular como risco e retorno se relacionam, identificar fatores de risco e usá-los para revisitar a Teoria Moderna de Portfólios aplicada à crise financeira global de 2007–2008.
- Bem-vindo(a)!50 XP
- Retornos do portfólio durante a crise100 XP
- Covariância de ativos e volatilidade da carteira100 XP
- Fatores de risco e a crise financeira50 XP
- Introdução à reamostragem por frequência100 XP
- Visualizando a correlação entre fatores de risco100 XP
- Modelo de fatores por mínimos quadrados100 XP
- Teoria moderna de portfólios50 XP
- Pratique com PyPortfolioOpt: retornos100 XP
- Pratique com PyPortfolioOpt: covariância100 XP
- Detalhando a crise financeira100 XP
- A fronteira eficiente e a crise financeira100 XP
2
Gerenciamento de risco orientado a objetivos
Agora é hora de ampliar seu conjunto de ferramentas de otimização de portfólios com medidas de risco como Value at Risk (VaR) e Conditional Value at Risk (CVaR). Para isso, você vai usar bibliotecas Python especializadas, incluindo pandas, scipy e pypfopt. Você também vai aprender a mitigar a exposição ao risco usando o modelo de Black–Scholes para fazer hedge de um portfólio de opções.
3
Estimando e identificando risco
Neste capítulo, você vai estimar medidas de risco usando estimação paramétrica e dados históricos do mundo real. Em seguida, vai descobrir como a simulação de Monte Carlo pode ajudar você a prever incertezas. Por fim, você vai entender como a crise financeira global sinalizou que a própria aleatoriedade estava mudando, ao compreender quebras estruturais e como identificá-las.
4
Gerenciamento de risco avançado
É hora de explorar ferramentas mais gerais de gerenciamento de risco. Essas técnicas avançadas são fundamentais ao tentar entender eventos extremos, como as perdas ocorridas durante a crise financeira, e distribuições de perdas complexas que podem desafiar técnicas tradicionais de estimação. Você também vai descobrir como redes neurais podem ser implementadas para aproximar distribuições de perdas e realizar otimização de portfólio em tempo real.
Gerenciamento Quantitativo de Risco em Python
Curso
concluído
