Formação online

Especialista em Finanças Quantitativas

Torne-se especialista em ciência de dados para o mercado financeiro, capaz de lidar com as mais diversas séries econômicas e financeiras utilizando as ferramentas mais modernas do mercado como as linguagens R e Python.

O que você será capaz de fazer

Precisa analisar e prever os movimentos do mercado? Ou construir um portfólio, monitorando exposições e alocações de ativos? Com esta formação completa você estará totalmente habilitado para analisar dados financeiros utilizando linguagem de programação.

Quais habilidades eu aprenderei

Quais ferramentas eu usarei

Para quem este treinamento é indicado

Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry’s standard dummy text ever since the 1500s.

Estudantes de Graduação

Mesmo ainda na graduação, sem experiência com programação, você já pode se diferenciar dos seus colegas ao investir em sua futura carreria em ciência de dados.

Professores e Acadêmicos

Utilize o poder das linguagens de programação mais modernas do mercado como o R e o Python para produzir trabalho acadêmicos com mais facilidade e agilidade.

Profissionais de Mercado

Chega de lidar com planilhas Excel confusas e tarefas repetitivas. Ao dominar Ciência de Dados, você ganha o poder de automatizar as tarefas repetitivas do seu dia-a-dia.

O que você aprenderá neste treinamento

Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry’s standard dummy text ever since the 1500s.

Quem já fez essa trilha

Como estudar os cursos

Este curso não apresenta pré-requisitos

(Curso revisado e atualizado - Versão 2023)

Suporte individualizado

Programação em R para Análise de Dados
  • Aula 01 – Por que usar uma linguagem de programação para analisar dados?
  • Aula 02 – Instalando os programas necessários
  • Aula 03 – Instalando pacotes e entendendo as mensagens no Console
  • Aula 04 – Introdução ao mundo `tidyverse`
  • Aula 05 – Criando `scripts`
  • Aula 06 – Lidando com objetos no R
  • Aula 07 – Estruturas de Dados (data frames, listas, matrizes, vetores)
  • Aula 08 – Operadores lógicos e aritméticos
  • Aula 09 – O operador `pipe`
  • Aula 10 – Funções
  • Aula 11 – Estruturas de repetição e de decisão
  • Aula 12 – Introdução à coleta de dados
  • Aula 13 – Trabalhando com arquivos .csv
  • Aula 14 – Trabalhando com arquivos Excel
  • Aula 15 – O que são APIs e como utilizá-las?
  • Aula 16 – Consumindo dados brasileiros
  • Aula 17 – Trabalhando com SQL
  • Aula 18 – Trabalhando com Google Sheets
  • Aula 19 – Trabalhando com Google Drive
  • Aula 20 – Trabalhando com arquivos JSON
  • Aula 21 – Trabalhando com arquivos XML
  • Aula 22 – Exportando dados
  • Aula 23 – Introdução à Web Scraping
  • Aula 24 – Introdução à limpeza de dados
  • Aula 25 – Tratamento de dados textuais
  • Aula 26 – Renomeando colunas
  • Aula 27 – Selecionando colunas
  • Aula 28 – Como criar e alterar colunas
  • Aula 29 – Como aplicar filtros em linhas
  • Aula 30 – Como fazer operações por grupos de dados
  • Aula 31 – Como sumarizar os dados
  • Aula 32 – Formato long vs wide
  • Aula 33 – Como fazer cruzamento de dados
  • Aula 34 – Lidando com datas no R
  • Aula 35 – Identificando e tratando dados faltantes
  • Aula 36 – Como deflacionar uma série
  • Aula 37 – Como fazer ajuste sazonal
  • Aula 38 – Introdução à visualização de dados e *storytelling* 
  • Aula 39 – Produzindo gráficos com ggplot2
  • Aula 40 – Produzindo relatórios com RMarkdown
  • Aula 41 – Produzindo dashboards
  • Aula 42 – Como automatizar o processo de análise de dados?
Programação em Python para Análise de Dados
  • Aula 01 – Por que usar uma linguagem de programação para analisar dados?
  • Aula 02 – Escolhendo uma IDE e trabalhando com o `Google Colab`
  • Aula 03 – Instalando pacotes e entendendo as mensagens
  • Aula 04 – Introdução ao `pandas` e `numpy`
  • Aula 05 – Criando `scripts`
  • Aula 06 – Lidando com objetos no Python
  • Aula 07 – Estruturas de Dados (data frames, listas, matrizes, vetores)
  • Aula 08 – Operadores lógicos
  • Aula 09 – operadores aritméticos
  • Aula 10 – Funções
  • Aula 11 – Estruturas de repetição e de decisão
  • Aula 12 – Introdução à coleta de dados
  • Aula 13 – Trabalhando com arquivos .csv
  • Aula 14 – Trabalhando com arquivos Excel
  • Aula 15 – O que são APIs e como utilizá-las?
  • Aula 16 – Consumindo dados brasileiros
  • Aula 17 – Trabalhando com SQL
  • Aula 18 – Trabalhando com Google Sheets
  • Aula 19 – Trabalhando com Google Drive
  • Aula 20 – Trabalhando com arquivos JSON
  • Aula 21 – Trabalhando com arquivos XML
  • Aula 22 – Exportando dados
  • Aula 23 – Introdução à Web Scraping
  • Aula 24 – Introdução à limpeza de dados
  • Aula 25 – Tratamento de dados textuais
  • Aula 26 – Renomeando colunas
  • Aula 27 – Selecionando colunas
  • Aula 28 – Como criar e alterar colunas
  • Aula 29 – Como aplicar filtros em linhas
  • Aula 30 – Como fazer operações por grupos de dados
  • Aula 31 – Como sumarizar os dados
  • Aula 32 – Formato long vs wide
  • Aula 33 – Como fazer cruzamento de dados
  • Aula 34 – Lidando com datas no Python
  • Aula 35 – Identificando e tratando dados faltantes
  • Aula 36 – Como deflacionar uma série
  • Aula 37 – Como fazer ajuste sazonal
  • Aula 38 – Introdução à visualização de dados e *storytelling*
  • Aula 39 – Produzindo gráficos
  • Aula 40 – Produzindo relatórios
  • Aula 41 – Produzindo dashboards
  • Aula 42 – Como automatizar o processo de análise de dados?
Estatística para Análise de Dados
  • Aula 01 – Preparando o ambiente;
  • Aula 02 – Dados Univariados: vetores, estatísticas descritivas e dados categóricos;
  • Aula 03 – Dados Bivariados: amostras independentes, estruturas de dados no R/Python e dados emparelhados;
  • Aula 04 – Dados Multivariados: data frames, aplicando funções sobre dados e dados externos;
  • Aula 05 – Gráficos Multivariados: gráficos básicos, ggplot2 e matplotlib;
  • Aula 06 – População: variáveis aleatórias discretas e diferentes tipos de distribuição;
  • Aula 07 – Inferência Estatística;
  • Aula 08 – Intervalos de Confiança;
  • Aula 09 – Testes de Significância;
  • Aula 10 – Qualidade do Ajuste;
  • Aula 11 – Regressão Linear;
  • Aula 12 – Análise de Variância;
  • Aula 13 – Extensões: modelos lineares generalizados e modelos não lineares.
Econometria Aplicada
  • Aula 01 – Preparando o ambiente;
  • Aula 02 – Regressão linear simples;
  • Aula 03 – Regressão linear múltipla: estimação;
  • Aula 04 – Regressão linear múltipla: inferência;
  • Aula 05 – Regressão linear múltipla: OLS assintótico;
  • Aula 06 – Regressão linear múltipla: outros problemas;
  • Aula 07 – Regressão linear múltipla com variáveis qualitativas;
  • Aula 08 – Heterocedasticidade;
  • Aula 09 – Mais em especificações e problemas de dados
Análise de Séries Temporais
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Características de Séries Temporais;
  • Aula 03 – Regressão de Séries Temporais e Análise Exploratória de Dados;
  • Aula 04 – Estudo de Caso: Estimando uma Curva IS via OLS, TSLS e GMM;
  • Aula 05 – Introdução a Modelos Univariados;
  • Aula 06 – Funções de Autocorrelação;
  • Aula 07 – Processos ARMA;
  • Aula 08 – Testes de Estacionariedade;
  • Aula 09 – Metodologia Box-Jenkins: construindo modelos univariados de previsão;
  • Aula 10 – Estudo de Caso: construindo um modelo SARIMA para a inflação brasileira;
  • Aula 11 – Introdução a Modelos Multivariados;
  • Aula 12 – Vetores Autorregressivos;
  • Aula 13 – Estudo de Caso: usando modelos VAR para previsão;
  • Aula 14 – Modelo VAR Estrutural (SVAR);
  • Aula 15 – Estudo de Caso: Análise de funções impulso-resposta;
  • Aula 16 – Regressões Espúrias;
  • Aula 17 – O conceito de cointegração e o modelo de correção de erros;
  • Aula 18 – Estudo de Caso: Dívida Bruta e Incerteza Econômica;
  • Aula 19 – A metodologia de Johansen e o Vetor de Correção de Erros (VEC);
  • Aula 20 – Estudo de Caso: Previsão do Desemprego medido pela PNAD através de um modelo VEC;
  • Aula 21 – VEC Estrutural;
  • Aula 22 – Teste de Causalidade de Granger;
  • Aula 23 – O procedimento de Toda-Yamamoto;
  • Aula 24 – Estudo de Caso: Consumo de Energia Elétrica e Crescimento do PIB;
  • Aula 25 – Estudo de Caso: Uma comparação econométrica entre o CAGED e a PNAD Contínua;
Mercado Financeiro e Gestão de Portfólios

Aulas

  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Fundamentos Estatísticos;
  • Aula 03 – Coleta de dados financeiros com o R;
  • Aula 04 – Mercados Financeiros;
  • Aula 05 – Juros;
  • Aula 06 – Riscos financeiros;
  • Aula 07 – Produtos financeiros
  • Aula 08 – Mercado de Renda Fixa;
  • Aula 09 – Mercado de Ações;
  • Aula 10 – Risco vs. Retorno;
  • Aula 11 – Seleção de Carteira e Teoria de Markowitz;
  • Aula 12 – Índice de Sharp;
  • Aula 13 – Capital Asset Pricing Model (CAPM);
  • Aula 14 – Modelo Fama-French;
  • Aula 15 – Derivativos

Projetos

  • Projeto de Curso 01 – Transformando preços em retornos;
  • Projeto de Curso 02 – Construindo um Shiny App para Retornos de Portfólios;
  • Projeto de Curso 03 – Construindo um Shiny App para Desvio-Padrão;
  • Projeto de Curso 04 – Construindo um Shiny App para assimetria e curtose de retornos;
  • Projeto de Curso 05 – Shiny App para índice sharpe;
  • Projeto de Curso 06 – Shiny App para CAPM Beta;
  • Projeto de Curso 07 – Construindo um Shiny App para o modelo Fama-French;
  • Projeto de Curso 08 – Contribuição do ativo para o desvio padrão do portfólio;
  • Projeto de Curso 09 – Simulação de Monte Carlo
Python para Investimentos
  • Aula 01 – Preparando o ambiente: tudo o que você precisa para começar no Python;
  • Aula 02 – Estruturas de Dados: vetores, listas, matrizes e dataframes;
  • Aula 03 – Importação de Dados: APIS, planilhas Excel, pdfs e arquivos proprietários;
  • Aula 04 – Visualização de Dados com seaborn e matplotlib;
  • Aula 05 – Ambientes Controlado: criando funções, if-else, while loop, for loop, break e continue;
  • Aula 06 – Análise Exploratória de Dados Macroeconômicos: transformações de séries temporais, defasagens, diferenciação, médias móveis, deflacionamento de séries, curvas de phillips, curvas de juros e convergência de renda;
  • Aula 07 – Análise Exploratória de Microdados: exemplos com datasus, censos e auxílio emergencial;
  • Aula 08 – Modelos: regressão linear, ARIMA, Dados em Painel e Scikit Learn;
  • Aula 09 – Comunicando Resultados;
  • Aula 10 – Projeto de Curso: Gráficos para Análises e Operações no Python;
  • Aula 11 – Projeto de Curso: Python e Finanças: relação de risco e retorno;
  • Aula 12 – Projeto de Curso: DataReader e Análises com Yahoo! Finance;
  • Aula 13 – Projeto de Curso: Regressões Lineares no Python;
  • Aula 14 – Projeto de Curso: Estimando o Beta de Mercado no Python;
  • Aula 15 – Projeto de Curso: Seleção de Fatores via Machine Learning;
  • Aula 16 – Projeto de Curso: Construindo o juro real e o juro neutro em Python;
  • Aula 17 – Projeto de Curso: Estrutura a Termo da Taxa de Juros em Python;
  • Aula 18 – Projeto de Curso: Construindo uma carteira de investimentos em Python;
  • Aula 19 – Projeto de Curso: Criando medidas de volatilidade no Python;
  • Aula 20 – Projeto de Curso: Cointegração e Pair Trading no Python;
  • Aula 21 – Projeto de Curso: Análise de Portfólio com pyfolio;
  • Aula 22 – Projeto de Curso: Filtro de Kalman e Beta de Mercado;
  • Aula 23 – Projeto de Curso: Médias Móveis Simples para Trading com o Python;
  • Aula 24 – Projeto de Curso: Criando indicadores fundamentalistas com Python;
  • Aula 25 – Projeto de Curso: Integração com a plataforma MetaTrader;
Macroeconomia para Investimentos

Aulas

  • Aula 01 – Introdução à macroeconomia: o que é macroeconomia, motivações clássicas da macroeconomia, como pensam os economistas, conceitos fundamentais, preparando o ambiente;
  • Aula 02 – O produto interno bruto: o que é o PIB, óticas do PIB, PIB nominal vs. real, deflator do PIB;
  • Aula 03 – A economia no curto prazo: entendendo o ciclo econômico e o hiato do produto;
  • Aula 04 – A economia no longo prazo: modelo de Solow e extensões;
  • Aula 05 – Economia intertemporal: a microeconomia por trás da macro;
  • Aula 06 – A teoria e a prática da política econômica;
  • Aula 07 – Coleta e tratamento de dados macroeconômicos;
  • Aula 08 – Fundamentos Estatísticos para lidar com dados macroeconômicos

Projetos

  • Projeto de Curso 01: Coleta e tratamento de dados do PIB;
  • Projeto de Curso 02: Coleta e tratamento de dados da produção industrial, vendas do comércio e serviços;
  • Projeto de Curso 03: análise do mercado de trabalho através da PNAD e do CAGED;
  • Projeto de Curso 04: análise da inflação no Brasil;
  • Projeto de Curso 05: análise do mercado de crédito;
  • Projeto de Curso 06: juro real vs juro neutro;
  • Projeto de Curso 07: Estrutura a Termo da Taxa de Juros;
  • Projeto de Curso 08: lidando com expectativas do boletim Focus;
  • Projeto de Curso 09: análise de dados fiscais;
  • Projeto de Curso 10: análise de dados de economia internacional;
  • Projeto de Curso 11: criando relatórios personalizados de macroeconomia;
  • Projeto de Curso 12: criando dashboards com indicadores macroeconômicos;
Econometria Financeira
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Introdução aos dados financeiros e suas propriedades;
  • Aula 03 – Modelos Lineares Univariados (ARMA, ARIMA, ARIMAX, SARIMA, SARIMAX e metodologia Box-Jenkins);
  • Aula 04 – Modelos Multivariados com séries estacionárias e não estacionárias (VAR, SVAR, Cointegração, VECM e SVECM);
  • Aula 05 – Volatilidade de Ativos e Modelos de Volatilidade (ARCH, GARCH, IGARCH, GARCH-M e EGARCH);
  • Aula 06 – Estudo de Caso – Aplicações de modelos de volatilidade
Análise de Demonstrativos Financeiros
  • Aula 01 – Apresentação do Curso e Análise de balanços e demonstrações contábeis;
  • Aula 02 – Coletando e analisando dados do Balanço Patrimonial com o R e o Python;
  • Aula 03 – Coletando e analisando dados da DRE com o R e Python;
  • Aula 04 – Coletando e analisando dados da DFC com o R e Python;
  • Aula 05 – Estrutura e Análise Horizontal e Vertical das Contas Contábeis;
  • Aula 06 – Indicadores Contábeis;
  • Aula 07 – Indicadores de Liquidez;
  • Aula 08 – Indicadores de Endividamento;
  • Aula 09 – Indicadores de Eficiência;
  • Aula 10 – Indicadores de Crescimento;
  • Aula 11 – Construção de Dashboard de Indicadores e Demonstrativos;
  • Aula 12 – Automatizando o dashboard de indicadores;
  • Aula 13 – Valuation de empresas usando o R e o Python;

Materiais utilizados

Vídeos Didáticos

Cada seção será acompanhada de videoaulas subdividas em tópicos específicos, tornando o aprendizado ainda mais dinâmico.

Slides e Códigos disponíveis

Todos os slides e códigos utilizados ao longo das seções ficam disponíveis para os alunos baixarem e reproduzirem.

Apresentações reprodutíveis

Em todas as seções, o professor produz apresentações em RMarkdown, encorajando os alunos a reproduzirem tudo o que é feito no curso.

Certificação

Ao final do curso você receberá o certificado da Análise Macro de “Especialista em Finanças Quantitativas“ com 644 horas de carga horária.

Coordenador e professor dos cursos

Vítor Wilher

Mestre em Economia e Cientista-Chefe da Análise Macro


Especialista em ciência de dados. Dá aulas e presta consultoria há 7 anos na área de dados, já tendo ajudado milhares de alunos no Brasil a darem o primeiro passo em análise de dados envolvendo R e Python.

Professores

Fernando da Silva

Bacharel em Economia e Cientista de Dados


Especializado em economia e finanças. Trabalha com modelagem e previsão de séries temporais, análise e visualização de dados e automatização de relatórios e dashboards.

Luiz Henrique

Cientista de Dados


Especializado em coleta, tratamento, modelagem e apresentação de dados financeiros e econômicos em R e Python.

Depoimentos dos nossos alunos

Investimento

De R$ 6.720,00 por

R$ 5.040,00

Com 25% de desconto

À vista no PIX ou boleto bancário

ou parcelado em 10x no cartão de crédito sem juros

Formação online

Especialista em Finanças Quantitativas

Adquira essa trilha agora e tenha acesso aos seguintes benefícios:

Perguntas frequentes

Resposta: Você poderá realizar sua matrícula através de boleto bancário ou cartão de crédito, podendo parcelar em até 10x sem juros no cartão de crédito.

Resposta: Você terá até 24 meses para ver quantas vezes quiser os conteúdos dos cursos.

Resposta: Esta oferta foi desenhada exatamente para as pessoas que nunca tiveram relação com linguagem de programação, mas desejam dar um upgrade na carreira.

Resposta: No próprio site há uma plataforma exclusiva para tirar dúvidas direto com nossa equipe o professor Vítor Wilher. Você estará sempre acompanhado durante sua jornada.

Quase lá...

Digite seus dados abaixo para ser direcionado ao checkout e aproveitar esse desconto incrível que preparamos para você.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp