Tecnologias de Programação em Finanças

Métodos de Ensino

A unidade curricular adota uma abordagem teórico-prática para desenvolver competências em programação e análise financeira. O curso
combina aulas expositivas com exercícios práticos, estudos de caso e projetos de grupo, permitindo aos estudantes não apenas
entenderem os conceitos teóricos, mas também aplicá-los em situações financeiras reais.
Metodologia de Ensino:
Aulas Expositivas e Demonstrações Práticas: Cada tópico é introduzido com uma explicação teórica, seguida de uma demonstração
prática. O uso de bibliotecas como Pandas e Plotly ajuda a contextualizar a teoria na análise de dados financeiros, facilitando a
compreensão e a aplicação dos conceitos.
Exercícios Práticos em Computador: Ao final de cada módulo, os estudantes participam em atividades computacionais onde aplicam os
conhecimentos em cenários financeiros, como importação de dados, visualização de séries temporais e cálculo de retornos. Estes
exercícios reforçam a aprendizagem de forma activa e permitem a experimentação de soluções para problemas reais.
Estudos de Caso e Trabalhos em Grupo: Os estudantes trabalham com dados reais e desenvolvem projetos em grupo, como dashboards
e relatórios financeiros. Estas atividades simulam cenários do mercado, incentivando a colaboração e a aplicação dos conceitos em
projetos que espelham desafios profissionais.
Participação Ativa e Reflexão Crítica: Durante as aulas, são promovidas discussões e análises críticas dos exercícios e projetos. Esta
participação ativa estimula o pensamento analítico e permite que os estudantes troquem ideias e perspectivas.
Feedback e Acompanhamento Contínuo: O professor acompanha o progresso dos estudantes através de feedback contínuo nos
exercícios e projetos, ajustando as explicações conforme necessário e incentivando a melhoria contínua.
Objetivo Final: A metodologia visa preparar os estudantes para o mercado, desenvolvendo não só habilidades técnicas, mas também
competências de trabalho em equipa, comunicação e resolução de problemas, essenciais para o setor financeiro.

Resultados de Aprendizagem

Este curso visa capacitar os estudantes com conhecimentos e habilidades fundamentais de programação Python aplicados ao setor
financeiro. Os estudantes irão:
1 – Compreender a utilização da linguagem Python em análises financeiras e na gestão de dados financeiros.
2 – Desenvolver competências práticas para manipulação e visualização de dados financeiros.
3 – Aprender a construir e avaliar portfólios de investimentos, incorporando métricas de retorno e risco.
4 – Adquirir conhecimentos sobre métodos de alocação de ativos e otimização de portfólios.
5 – Aplicar métodos de automação de tarefas no Excel e criação de dashboards interativos para a visualização de métricas de desempenho
financeiro.
6 – Demonstrar capacidade para desenvolver relatórios dinâmicos utilizando Quarto e construir dashboards interativos usando Streamlit.

Programa

1. Introdução ao Python para Finanças:
– Introdução à linguagem Python e configuração do ambiente de desenvolvimento.
– Estruturas básicas de controle, funções e laços.
2. Importação e Visualização de Dados:
– Importação de dados financeiros de APIs e arquivos CSV/Excel usando Pandas.
– Visualização de dados com Pandas e Plotly.
3. Manipulação e Limpeza de Dados:
– Manipulação de séries temporais, tratamento de dados ausentes e cálculo de retornos.
4. Criação de Portfólios e Análise de Riscos:
– Construção de portfólios, cálculo de retornos e avaliação de métricas de risco.
5. Alocação de Ativos e Otimização:
– Métodos de otimização como Fronteira Eficiente, Paridade de Risco e 1/N, análise de desempenho histórico.
6. Documentação e Automação:
– Criação de relatórios financeiros com Quarto e automação no Excel usando XLWings.
7. Dashboards e Apresentações:
– Criação de dashboards interativos com Streamlit e apresentação de trabalhos finais.

Estágio(s)

NAO

Bibliografia

Main
Lewinson, Eryk, Python for Finance Cookbook (2nd Edition) (2022)
Hilpisch, Yves J., Python for Finance: Mastering Data-Driven Finance (2nd Edition) (2019)
Zvi Bodie, Alex Kane, Alan J. Marcus. Investments ISE (13th Edition) (2023)
Other References
McKinney, Wes. Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter (3rd Edition) (2022)
Portfolio Management in Practice, Volume 1: Investment Management (CFA Institute Investment Series) (2020)