Gerenciamento de riscos são abordadas pelo estudo de valores extremos, pelo ajuste de distribuições com caudas pesadas, pelo cálculo de valores em risco (VaR) e outras medidas de risco. Técnicas de análise de componentes principais (PCA), suavização e regressão são aplicadas à construção de curvas de rendimento e de avanço. A análise de séries temporais é aplicada ao estudo das opções de temperatura e estimativa não paramétrica. Filtragem não linear aplicada a simulações de Monte Carlo, preço de opções e previsão de ganhos. Este curso é polvilhado com exemplos práticos, usando dados de mercado. Exemplos práticos são resolvidos no ambiente de computação R. Eles ilustram os problemas que ocorrem nos mercados de commodities, energia e clima, bem como nos mercados de renda fixa, ações e crédito. Os exemplos, experimentos e conjuntos de problemas são baseados na biblioteca Rsafd.
Informações Básicas
Obrigatória:
- Carmona, René. Statistical Analysis of Financial Data in R. 2014
- Abu-Moustafa, Y.S., Magdon-Ismail, M., e Lin H-S. Learning from data. AMLBook.com. 2012.
- Hastie, T., Tibshirani, R., e Friedman, J. The Elements of Statistical Learning: DataMining, Inference, and Prediction. Springer. 2009
Complementar:
- Duda, R. O., Hart, P. E. and Stork, D. G. Pattern Classification (2nd Edition). Wiley-Interscience, 2000.
- Murphy, K. P. . Machine Learning, A Probabilistic Perspective. MIT Press, 2012
- Bishop, C. M. . Pattern Recognition and Machine Learning. Springer, 2006.
- Morris DeGroot, Mark Schervish. Probability and Statistics. Fourth Edition, 2012.
- Versani, John. Using R for Introductory Statistics. Chapman & Hall, 2005 (versão online em http://cran.r-project.org/doc/contrib/Verzani-SimpleR.pdf)