Blog

O Expoente de Hurst é um indicador que nos permite identificar tendências em uma série temporal. Nesse artigo, aprenderemos a calculá-lo e utilizaremos Python para identificar padrões de comportamento no IBOV.

Descubra as zonas de suporte e resistência, o Value-at-Risk, e gere uma simulação de Monte Carlo para o IBOV utilizando Python.

Entenda de uma vez por todas os conceitos por trás do famoso método de Monte Carlo, e utilize-o para calcular o VaR em um portfólio de ativos.

Aprenda a baixar dados de criptomoedas em qualquer timeframe utilizando a API da Coinbase.

Utilizando Python, aprenda a realizar o gerenciamento de risco de seu portfólio através do cálculo do VaR (Value-at-Risk).

O ATR (Average True Range) é um indicador sobre o grau de volatilidade de um ativo. Vamos aprender a calculá-lo e a utilizá-lo para gerar os Canais de Keltner e definir um tamanho de posição ideal para um ativo em seu portfólio.

Indicadores de momentum são indispensáveis numa estratégia de Factor Investing. Nesse artigo, aprenderemos a calcular o momentum de um ativo utilizando Python.

Na estratégia do candle pavio, após uma contração de volatilidade há um gap de alta ou baixa. Descubra como realizar o backtest para qualquer ativo utilizando Python como ferramenta.

O EV, ou Expectativa Matemática, é uma métrica fundamental para qualquer trader. Nesse artigo, exploraremos como calculá-lo e como utilizá-lo para maximizar os seus ganhos.

Utilizando Python como ferramenta, aprenda a separar os dados de treino e teste, e entenda como definir os pontos de entrada, saída e stop.

Aprenda como utilizar o Simulador de Estratégias, o Ranking de Backtests, crie seus próprios portfólios e fique atento aos alertas. Tudo isso na nova plataforma do QuantBrasil.

Entenda o que é sazonalidade e descubra se há influência do tempo no retorno médio trimestral de LREN3 e MELI utilizando Python e Pandas.

Aprenda como implementar um simples algoritmo em Python para traçar linhas de suporte e resistência em gráfico de candlestick.

Entenda o que é a estratégia Saudade de Casa e descubra como calcular sua rentabilidade, taxa de acerto e valor esperado utilizando Python para dois alvos distintos.

Aprenda como calcular o backtest e descubra a rentabilidade da estratégia 123 e de sua variação com inside bar.

Realize seus backtests em Python com dados da plataforma ProfitChart no seu próprio banco de dados.

Nesse post, faço uma análise do resultado dos meus trades no primeiro semestre do ano. Descubra o resultado financeiro, taxa de acerto, sinais e timeframes mais eficazes, e muito mais.

Aprenda a fazer o web scraping dos 200 ativos mais líquidos da bolsa e descubra quais estão em forte tendência de alta ou de baixa.

Aprenda a calcular a rentabilidade do gap trap de compra ou venda no gráfico intradiário utilizando Python.

Aprenda a fazer o web scraping da lista de BDRs e descubra quais tem maior volume de negociação.

Aprenda como montar seu próprio banco de dados de ações e tenha mais controle sobre os dados para suas análises.

Aprenda como definir critérios objetivos para estabelecer se um par é cointegrado em diversas janelas temporais.

Entenda o que são séries estacionárias e não-estacionárias, por quê correlação não é suficiente em para um L&S, e como definir se um par é cointegrado.

Entenda como utilizar o indicador Estocástico Lento em uma estratégia de trade que funciona em qualquer timeframe.

Aprenda qual a finalidade do beta, suas limitações e aprenda a calculá-lo de forma simples utilizando Python e pandas.

Aprenda o que é o indicador Estocástico e como calcular suas variações — Estocástico Rápido e Estocástico Lento.

Entenda como criar e popular o seu próprio banco de dados para executar estratégias quantitativas.

Aprenda o que são, pra que servem, e como calcular as famosas Bandas de Bollinger de forma rápida e prática.

Descubra os ativos do Ibovespa que obtiveram o melhor resultado com a estratégia de IFR2.

Aprenda a realizar o backtest da estratégia de IFR2 selecionando os ativos mais fortes do IBOV e compare o resultado com todos os backtests até aqui.

Descubra se é possível melhorar o resultado da estratégia de IFR2 utilizando médias móveis como filtro de seleção.

Calcule as variações de métricas como lucro e drawdown ao se utilizar diferentes valores de saída na estratégia de IFR2.

Calcule rapidamente o OBV de qualquer ativo utilizando Python.

Calcule as variações de métricas como lucro e drawdown ao se utilizar diferentes valores de entrada na estratégia de IFR2.

Aprenda como implementar o algoritmo do IFR2 em qualquer ativo e realizar o backtest da estratégia em qualquer timeframe.

Você sabe qual foi o drawdown médio do Ibovespa nos últimos 5 anos? Aprenda a calcular o drawdown do Ibovespa, da sua carteira e de qualquer outro ativo.

Aprenda como implementar o algoritmo de máximas e mínimas e realizar o backtest da estratégia com dados reais.

Calcule rapidamente o IFR de qualquer ativo utilizando Python.

Aprenda o básico da análise quantitativa utilizando Python, pandas e matplotlib.