Ao selecionar um país você vê os cursos disponíveis na sua região.
⏱ 2 h 42 min📚 27 aulas
Projetando um Sistema de Otimização de Portfólio com Técnicas Robustas Modernas
Percorra o design prático de um sistema de otimização de portfólio que combina estimação robusta, paridade de risco hierárquica e extensões de machine learning.
💬Instrutor de IA Pergunte sobre qualquer aula e receba uma resposta clara na hora, quando quiser.
🕐Comece quando quiser Sem horários nem prazos: aprenda no seu ritmo, quando quiser.
🌐Em português Aulas, tarefas e certificado: tudo totalmente no seu idioma.
Sobre este curso
Construir um sistema de otimização de portfólio que sobrevive aos mercados reais requer um design cuidadoso em cada etapa. A forma como você estima inputs, o framework de otimização que você escolhe, as restrições que você codifica e a forma como você valida contra o histórico moldam se o sistema entrega valor durável ou backtests frágeis. Este curso percorre essas decisões na ordem em que elas tipicamente surgem.
Você trabalhará em exercícios de design escritos que espelham como uma pequena equipe quantitativa planejaria um sistema de otimização de portfólio. A ênfase está nos tradeoffs práticos que importam quando os inputs são ruidosos e os mercados mudam de regime.
O que você aprenderá:
- Estimar retornos esperados, covariâncias e indicadores de regime com técnicas robustas, incluindo shrinkage e modelos de fatores
- Comparar frameworks de otimização, incluindo média-variância, paridade de risco, paridade de risco hierárquica e Black-Litterman
- Codificar restrições realistas, incluindo turnover, custos de transação e limites regulatórios
- Aplicar extensões de machine learning para estimação de inputs, protegendo contra overfitting
- Validar sistemas com backtests rolling, análise walk-forward e cenários de stress
- Projetar estratégias de execução e rebalanceamento que respeitem o impacto de mercado e as realidades operacionais
O curso progride da estimação de inputs através de frameworks de otimização, extensões de machine learning, validação e execução. Um exercício de design escrito de capstone pede para você esboçar um design de uma página para um sistema de otimização de portfólio direcionado a um mandato de investimento específico.
Este curso é projetado para analistas quantitativos, estudantes de finanças com experiência em software e cientistas de dados que entram no trabalho de portfólio. Nenhuma experiência prévia em otimização é necessária. O curso trata o sistema como um problema de design que você pode raciocinar no papel e permanece informativo; ele não fornece conselhos de investimento para situações específicas.
O que você vai receber
📜Certificado de conclusão Adicione ao seu perfil do LinkedIn
💬Tutor AI pessoal Travou em uma aula? Pergunte ao seu tutor integrado qualquer coisa, a qualquer hora.
♾️Acesso vitalício Volte quando quiser, sem expirar
📱Celular ou computador Funciona em qualquer dispositivo
💸Reembolso em 14 dias Sem perguntas
⚡Curto e focado 2 h 42 min de conteúdo prático
Certificado de conclusão
Cada curso que você conclui na PickAClass emite uma credencial como esta — original, com seu próprio código, verificável por URL e detalhada sobre o que foi de fato demonstrado.
P
PickAClass
Perfil de habilidades · verificável
Documento
Certificado de Maestria
Isto certifica que
Nome Sobrenome
demonstrou com sucesso o domínio de
Projetando um Sistema de Otimização de Portfólio com Técnicas Robustas Modernas
Habilidades demonstradas
✓
Análise de padrões comportamentais
Fundamental
1.2 h
✓
Estruturas de arquitetura de decisão
Proficiente
1.4 h
✓
Design de testes A/B
Proficiente
1.7 h
✓
Redação comportamental
Avançado
1.9 h
P
PickAClass — Nome Sobrenome
Projetando um Sistema de Otimização de Portfólio com Técnicas Robustas Modernas
Página 2 de 2
Detalhe de desempenho
Resumo do curso
Aulas concluídas14 / 14
Questões de prática26 / 28
Tarefas enviadas4 (méd. 4.5 / 5)
Projeto finalAvaliado — 4.6 / 5
Prática total6.2 h
Benchmark de desempenho
Posição na coorteTop 12% de 1,625
Tempo até concluir11 dias (mediana: 22)
Pontuação de domínio91 / 100
Pontuação das questões de prática94%
Verificação de habilidadeTrilha de habilidade verificada