Skip to content

Latest commit

 

History

History
57 lines (38 loc) · 2.4 KB

README.md

File metadata and controls

57 lines (38 loc) · 2.4 KB
Raw

Hackathon Itaú Asset

Usabilidade

Clone este repositório e use um ambiente virtual conforme descrito abaixo.

$ cd hack_itau_quant
$ virtualenv venv
$ source ./venv/bin/activate
$ pip install -r requirements.txt

Com o ambiente virtual python contendo as dependencia basta executar o python notebook com as respostas.

Construção de um robô consultor

Este repositório foi dedicado para as entregas e códigos, desenvolvidos pela equipe de finanças quantitativas do Turing.USP Quant, na competição de elaboração da Itaú Asset em parceria com a Bloomberg.

O objetivo da competição constia na criação de um "robô consultor" o qual aplica o algortimo de Markowitz para otimização de portfolio. Além disso, constrói o gráfico da fronteira eficiente de média-variância.

Ademais, o projeto também inclui uma aplicação (Parte 2) do que foi desenvolvido na Parte 1. Nesta aplicação, consideramos o investimento em 4 cotas de fundos de investimento (dados tirados através da utilização da API do Bloomberg).

Conteúdo do repositório

Este repositório contém diversos arquivos .py e 3 notebooks que ilustram a utilidade dos códigos modulares desenvolvidos. É neste notebook que encontramos a resolução das partes dos desafios propostos. Todos resolvidos com as funções dos códigos modulares.

Arquivos

  • optimization/markowitz.py: arquivo que introduz a classe Markowitz e as funções que servirão como base para as aplicações

  • efficient_frontier.py: arquivo que introduz a classe EfficientFrontier, que utiliza as criações do arquivo markowitz.py para construir a Fronteira Eficiente e as respostas esperadas das aplicações.

  • Resolution.ipynb: notebook o qual contém, de forma mais clara e consisa, a resolução de cada parte do desafio, assim como as aplicações desejadas.

  • Denosing.ipynb: notebook que apresenta o módulo de denosing, comparando a utilização de um Markowitz com diferentes técnicas de denoising.

  • Backtesting.ipynb: notebook que realiza o backtesting de diferentes estratégias de otimização, rebalanceamndo uma carteira a cada 20 dias.

  • requirements.txt: arquivo de texto que contém as bibliotecas e dependências para a utilização dos códigos.

Referências

  • Mathematical Finantial Economics, a Basic Introduction. I.Evstigneev, T.Hens, K.Schenk-Hoppé