ivanildobatista / financas

Repositório de projetos na área de finanças com linguagem Python e R : criação de portfólios, gestão de risco, extração de dados financeiros com bibliotecas, análise fundamentalista, etc.

Bem vindo ao meu perfil, meu nome é Ivanildo Batista

Formação Acadêmica

1. Gestão em Logística pelo Centro Universitário UniFBV (2011 - 2013)

2. Bacharelado em Ciências Econômicas pela UFRPE (2014 - 2018)

3. Mestre em Biometria e Estatística Aplicada da UFRPE (2021 - 2023)

4. Doutorando em Biometria e Estatística Aplicada da UFRPE (2023 - 2027)

Projetos, publicações e reconhecimentos acadêmicos

1. Projeto PIBIC pela FACEPE com o tema "Criminalidade e desempenho econômico: Uma análise em séries temporais para a Região Metropolitana do Recife" que também foi o tema da dissertação de conclusão da graduação;

2. Artigo apresentado e premiado em segundo lugar na categoria Desenvolvimento Regional do VII Encontro Pernambucano de Economia, no ano de 2018. Esse artigo pode ser consultado aqui e a página do evento com as premiações aqui;

3. Artigo Trend analysis in standardized precipitation index in Recife–PE publicado na revista Research, Society and Development, que pode ser consultado aqui.

4. Láurea Acadêmica no curso de Ciências Econômicas do ano de 2018.

Conhecimentos

1. na linguagem de programação Python para Análise e tratamento de dados (Pandas e Numpy), Visualização de dados (Matplotlib e Seaborn), Aplicação de modelos de Machine Learning (Regressão, Classificação, Agrupamento e Regras de associação) com a Scikit-Learn, Deep Learning para classificação e regressão (Keras) e Auto Machine Learning (TPOT, MLBox, PyCaret, AutoViz e Auto-Sklearn). Série temporais com métodos univariados (Suavização exponencial e abordagem Box-Jenkins), Multivariados (VAR e VECM) com a biblioteca Statsmodels, Redes Neurais (Recorrentes e Convolucionais), PMDARIMA (AutoARIMA), Facebook Prophet, Neural Prophet, Multi Prophet, Darts, AutoTS, PyAF e AutoPy. Finanças com as bibliotecas PyPortfolioOpt e Fundamental Analysis. Cálculo de índices climatológicos para identificação e análise de seca (SPI, SPEI, etc.) com a biblioteca climate indices. Análise de tendência de séries temporais com a biblioteca pymannkendall.

2. Na linguagem R para 2.1) Pré-processamento, tratamento, análise (Tidyverse); 2.2) Visualização (ggplot2); 2.3) Apresentação de dados (Rmarkdown e Xaringan). Análise, decomposição e previsão de séries temporais (ModelTimes); 2.4) Cálculo de índices climatológicos padronizados para identificação, monitoramento e análise de seca (SPI, SPEI, etc.) com o pacote SPEI; 2.5) Análise de tendência em séries temporais com os pacotes Kendall (teste de tendência Mann-Kendall) e trend (teste de Sen para análise de inclinação de tendência e teste de Pettit para identificação de pontos de mudança em séries temporais); 2.6) Criação de gráfico de mapas (GeoBR e sf); 2.6) Análise da distribuição espacial de variáveis climáticas (precipitação, seca, etc.) por meio do método determinístico de interpolação espacial IDW (Inverse Distance Weighted) com os pacotes gstat e raster.

3. em LaTex para produção de textos técnicos e científicos: Tipos de documentos (livros, artigos, apresentações, pré-projetos, dissertação de mestrado, tese de doutorado, banners, currículos, etc.), formatação de textos, imagens, equações, tabelas, referências, apêndices, símbolos, revisão de textos, inserção de códigos, etc.

Linguagens e ferramentas