Análise de Dados para Mercados Financeiros
1
2023-2024
02049720
Opcional
Português
Inglês
Presencial
Semestral
6.0
Opcional
2º Ciclo - Mestrado
Conhecimentos de Base Recomendados
Esta disciplina recorre a conhecimentos prévios de programação em Python e de algoritmos de análise de dados. Faz recurso transversal dos conhecimentos adquiridos no primeiro ciclo de um curso superior na área de engenharia informática, ciências da computação e/ou análise de dados.
Métodos de Ensino
O processo de aprendizagem tem lugar em aulas teóricas, aulas práticas e trabalho desenvolvido autonomamente fora do espaço de aula.
Os materiais para as aulas incluem:
- apresentações PPT
- videos de demonstração
- conjuntos de dados real
- acesso a uma corretora em modo simulação
- bibliotecas Python para análise de dados.
Resultados de Aprendizagem
Este curso aborda o tema da análise de dados, métodos e soluções para os mercados financeiros. As aulas T fornecem os conceitos e técnicas de análise necessárias à uc, nomeadamente, introdução aos instrumentos disponíveis nos mercados financeiros, preparação e visualização exploratória de dados financeiros, estratégias de negociação, modelos para séries temporais financeiras, co-integração e arbitragem por co-integração . As aulas P são estruturadas em torno do Data Lab. O Data Lab fornece vários conjuntos de dados financeiros e acesso a um simulador de corretagem. O projeto do curso desenvolve-se ao longo do semestre e é apresentado na workshop do curso, tendo a participação de instituições financeiras. Este projeto visa desenvolver as capacidades dos alunos na visualização e análise de dados financeiros para operações de investimento e negociação. Espera-se que estas capacidades sejam também úteis para outras áreas que façam uso extensivo de dados para tomada de decisão.
Estágio(s)
NãoPrograma
Mercados Financeiros
Análise Exploratória de Dados para Mercados Financeiros
Estratégias Algorítmicas para Negociação
Modelos Baseados na Análise de Séries Temporais
Redes Neuronais para Negociação.
Docente(s) responsável(eis)
Carlos Manuel Robalo Lisboa Bento
Métodos de Avaliação
Avaliação
Exame: 40.0%
Projecto: 60.0%
Bibliografia
Python for Finance, 2020
Eryk Lewinson
Packt Publishing
Hands-On Financial Trading with Python, 2021
Jiri Pik and Sourav Ghosh
Packt Publishing
Introduction to Time Series and Forecasting, 2nd Edition
Petter J Brockwell and Richard Davis
Springer
Machine Learning for Algorithmic Trading, 2020
Stefan Jansen
Packt Publishing.