📖 MÉTODOS EM ECONOMETRIA: TEORIA, MODELAGEM ESTATÍSTICA E MACHINE LEARNING
Uma obra abrangente que conecta a teoria econométrica rigorosa à prática do mercado financeiro, utilizando implementações de alto nível nas linguagens Python e Rust.
O QUE VOCÊ VAI ENCONTRAR NA OBRA:
🔹 Fundamentos Estatísticos: Probabilidade aplicada a finanças, distribuições de cauda pesada e testes de inferência estatística.
🔹 Regressão Clássica e Problemas Econométricos: MQO, tratamento de heterocedasticidade, multicolinearidade, autocorrelação e endogeneidade (Variáveis Instrumentais).
🔹 Séries Temporais Financeiras: Estacionariedade, modelos AR, MA, ARMA, ARIMA, SARIMA e Cointegração.
🔹 Volatilidade e Risco: Dinâmica de agrupamento de volatilidade modelada via ARCH, GARCH (e extensões como EGARCH e TGARCH), além do cálculo e backtesting de Value at Risk (VaR) e Expected Shortfall (CVaR).
🔹 Modelos Multivariados e Precificação de Ativos: Vetores Autorregressivos (VAR), VECM, modelo CAPM, Três Fatores de Fama-French e APT.
🔹 Machine Learning Quantitativo: Regularização (Ridge, Lasso), Random Forest e Gradient Boosting (XGBoost) aplicados a dados financeiros.
🔹 Tópicos Avançados: Econometria Bayesiana, Método dos Momentos Generalizados (GMM), Dados em Painel e Microestrutura de Mercado.
🔹 Projetos Completos e Práticos: Sistemas de trading algorítmico, Pairs Trading, previsões e implementações de alta performance em Rust (Filtro de Kalman, SVAR, DSGE, regressão quantílica).
| Número de páginas | 513 |
| Edición | 1 (2026) |
| Idioma | Portugués |
¿Tienes alguna queja sobre ese libro? Envía un correo electrónico a [email protected]
Haz el inicio de sesión deja tu comentario sobre el libro.