ISLA IPGT 25289

Data Science for Finance

• ApresentaçãoPresentation

  A unidade curricular de Data Science for Finance permite aplicar um conjunto de técnicas de ciência de dados para o setor financeiro, incluindo a análise estatística e a modelagem de dados.  Pretende-se desenvolver conhecimentos em análise de dados financeiros, com suporte ao Python, aplicar métodos estatísticos e de aprendizado de máquina em problemas financeiros, e interpretar resultados analíticos.  
• ProgramaProgramme

  Descrição dos conteúdos: 1. Algoritmia e estrutura de dados 2. Introdução à programação em Python 2.1. História e visão geral 2.2. Instalação e versões 2.3. Dados e tipos de variáveis 2.4. Lista de dados 2.5. Funções e ciclos 3. Módulos do Python 3.1. Visão geral e instalação dos módulos 3.2. Numpy, Scipy, Matplotlib, Statsmodels, Pandas 3.3. Outros módulos do Python úteis para finanças 4. Fontes de dados e Extração de dados output 4.1. Fontes de dados (API´s financeiras, ficheiro Excel, ficheiro de texto) 4.2. Extração de dados output para um ficheiro de texto, csv e Excel usando Pandas Dataframe 5. Aplicações Financeiras 5.1. Valor atual líquido e taxa interna de rentabilidade 5.2. Movimentos dos preços das ações, distribuições das taxas de rentabilidade 5.3. Avaliação de obrigações 5.4. Modelo CAPM e cálculo de coeficiente Beta 5.5. Análise de séries temporais 5.6. Teoria da carteira 5.7. Opções 5.8. VaR e Expected Shortfall 5.9. Simulação de Monte Carlo
• ObjectivosObjectives

  Esta unidade curricular apresenta aos estudantes a ciência de dados para aplicações financeiras usando a linguagem de programação Python e um conjunto de packages do seu ecossistema. Objetivos da UC: Caraterizar a análise de dados para melhorar a tomada de decisão financeira; Disponibilizar aos estudantes uma base para realizar análises de dados nas áreas de investigação relacionadas com o setor financeiro e outras áreas não relacionadas com o setor financeiro.
• BibliografiaBibliography

  Berk, Jonathan e Peter DEMarzo: Corporate Finance (5th ed.), Person Education, 2019. Yan, Yuxing: Python for Finance (2nd ed.), Packt, 2017. Hilpisch, Yves: Python for Finance (2nd ed.), O´Reilly, 2018.
• MetodologiaMethodology

  A unidade curricular está estruturada em duas componentes principais e que se complementam: aulas de caráter teórico e expositivo e aulas de caráter prático e de experimentação. Nas aulas teóricas são explorados os conteúdos programáticos definidos, sendo os estudantes convidados a participar ativamente nas aulas. Nas aulas práticas, são propostos trabalhos com a utilização da plataforma Python, para aplicação dos conhecimentos adquiridos nas aulas teóricas.
• LínguaLanguage

  Português
• TipoType

  Semestral
• ECTS

  6
• NaturezaNature

  Obrigatório
• EstágioInternship

  Não
• AvaliaçãoEvaluation

  Descrição dos instrumentos de avaliação (individuais e de grupo) ¿ testes, trabalhos práticos, relatórios, projetos... respetivas datas de entrega/apresentação... e ponderação na nota final.

  Exemplo:

  Descrição	Data limite	Ponderação
  Teste de avaliação		60%
  Trabalho de avaliação		40%

   

  Adicionalmente poderão ser incluídas informações gerais, como por exemplo, referência ao tipo de acompanhamento a prestar ao estudante na realização dos trabalhos; referências bibliográficas e websites úteis; indicações para a redação de trabalho escrito...