Engenharia Financeira para Quants

O Curso “Engenharia Financeira para Quants: Derivativos & Python (Intermediário – avançado)” tem o objetivo de prover aos alunos os aspectos teóricos, bem como cases e aplicações práticas do universo das Finanças Quantitativas (Engenharia Financeira).

Conteúdo Resumido

Serão apresentados:

• Fundamentos teóricos de como precificar derivativos em tempo contínuo:
  • Analiticamente: Martingale Pricing, No Arbitrage Pricing Approach
  • Numericamente: Simulação de Monte Carlo e métodos de diferenças finitas
• Modelos com custos de transação, hedging discreto,
• Modelos com volatilidade estocástica e volatilidade incerta.

O Python será utilizado para implementar computacionalmente os conceitos teóricos apresentados, mostrando aos alunos aplicações reais do mercado financeiro – tal como feito em Mesas de Trading, Mesas de Estruturação de Produtos, Fundos de Investimento, Tesourarias de Empresas.

Este curso é uma continuação e aprofundamento dos cursos “Derivativos & Python: Teoria e Aplicações” e “Fundamentos de programação em Python com Aplicações e Modelagem em Finanças”.

Competências Adquiridas e Desenvolvidas

Ao concluirem com sucesso este curso, os alunos:

• Terão adquirido conhecimento teórico-conceitual de nível intermediário-avançado sobre produtos derivativos, tratando situações mais sofisticadas e realistas como: volatilidade estocástica, volatilidade incerta, custo de transação, hedging discreto e erro de hedging.
• Terão explorado aplicações desse conhecimento teórico em situações práticas do mundo real, como: hedging, gestão de riscos, investimentos, especulação, arbitragens. Com isso, os alunos serão capazes de precificar derivativos em condições reais de mercado (e não abstrações idealizadas), bem como identificar os melhores usos de produtos derivativos para gerir riscos e amplificar retornos.
• Saberão utilizar uma ferramenta tecnológica poderosa – programação em Python aplicada a finanças – que lhes permitirá dar escala ao conhecimento adquirido, transformando-o em resultado prático e aplicável ao seu dia-a-dia profissional.

Com esses objetivos cumpridos, os alunos certamente aumentarão sua qualificação e competência profissionais e, consequentemente, seus resultados, sua relevância e seu valor para a Instituição em que trabalham.

Públivo-alvo

O curso é destinado a profissionais que atuam, ou desejam atuar, com:

• Gestão de investimentos/ portfolio management
• Trading quantitativo
• Criação de derivativos e produtos financeiros estruturados
• Vendas de derivativos e produtos financeiros estruturados
• Análise e gestão de riscos
• Precificação de produtos

Metodologia

• Metodologia de aprendizado ativo, seguindo os mais modernos padrões adotados pelas melhores universidades do Brasil e Internacionais.
• Exposições da teoria, realizadas pelo professor, incluindo desenvolvimento e exploração de casos práticos e aplicados.
• Exercícios e estudos de caso realizados pelos alunos, em grupo e/ou individualmente

Conteúdo Programático

1. Martingale Pricing Approach

• Conceitos fundamentais de teoria de probabilidade e processos estocásticos
• Precificação de derivativos usando o Martingale Pricing Approach
• Exemplos práticos

2. Simulação de Monte Carlo

• Conceitos
• Técnicas de redução de variância
• Cálculo numérico das gregas
• Implementar em Python algoritmos de Simulação de Monte Carlo para precificar derivativos vanilla e exóticos

3. No Arbitrage Pricing Approach

• Conceitos fundamentais: arbitragem, estratégia replicante, lei do preço único
• Conceitos fundamentais de cálculo estocástico
• Replicação dinâmica
• Equação diferencial parcial (EDP) para precificação de derivativos

4. Solução numérica de EDPs

• Método de diferenças finitas explícito
• Precificação de derivativos de característica européia e americana
• Cálculo numérico das gregas
• Implementar em Python algoritmos de diferenças finitas explícito para precificar derivativos vanilla e exóticos

5. Delta-hedging

• Questões práticas – que volatilidade usar?
• Implementar em Python modelo de simulação de estratégia dinâmica de hedging

6. Hedging discreto

• Precificação em situações de hedging discreto
• Erro de hedging
• Realizar análises do erro de hedging usando implementação e ferramentas do Python

7. Modelo com custos de transação

• Precificação quando há custos de transação
• Implementar em Python modelo de precificação de derivativos com custos de transação
• Implementar em Python modelo de simulação de estratégia dinâmica de hedging com custos de transação

8. Modelo com volatilidade estocástica

• Precificação quando a volatilidade é estocástica
• Implementar em Python modelo de precificação de derivativos com custos de transação
• Implementar em Python modelo de simulação de estratégia dinâmica de hedging com volatilidade estocástica
• Compreender o smile de volatilidade gerado pelo modelo de volatilidade estocástica

9. Modelo de parâmetros incertos

• Precificação quando os parâmetros (e.g., volatilidade, taxa de juros, dividendo) são incertos
• Implementar em Python modelo de precificação de derivativos com parâmetros incertos

10. Hedging estático

• Hedging estático + parâmetros incertos
• Replicação estática
• Implementação em Python e exemplos práticos

11. Processos de Lèvy (Lèvy processes)

• Processos de Jump Diffusion – Equações diferenciais estocásticas (EDEs) com Jumps
• Merton Jump Diffusion Model (1976)
• Variance gamma model
• Implementar em Python simulação de EDEs com jumps
• Implementar em Python simulação de EDEs no modelo variance gamma
• Implementar em Python modelo de Merton Jump Diffusion para precificação de derivativos
• Implementar em Python modelo variance gamma para precificação de derivativos

Carga horária

O curso pode ser ministrado de forma flexível, conforme a necessidade de disponibilidade de sua equipe:

1. Curso cobrindo os principais tópicos com baixa profundidade

• 25 horas – 10 semanas (2.5 meses) com aulas de 2h30 horas

2. Curso cobrindo os principais tópicos com boa profundidade

• 35 horas – 14 semanas (3.5 meses) com aulas de 2h30

3. Curso cobrindo todos os tópicos com boa profundidade

• Módulo 1: 25 horas – 10 semanas (2.5 meses) com aulas de 2h30
• Módulo 2: 30 horas – 12 semanas (3 meses) com aulas de 2h30 horas