Andressa Quintanilha
Andressa é graduada em Biomedicina pela Universidade Federal do Estado do Rio de Janeiro (UNIRIO) e mestra em Neurociências pela Universidade Federal Fluminense (UFF).
Com ampla experiência em pesquisa e laboratório, Andressa se dedica a estudar Python e levar os métodos de suas pesquisas ao mundo do Data Science, em especial fazendo análises estatisticamente significantes de técnicas, táticas e estratégias de investimento.
Nas horas vagas gosta de desenhar e inventar receitas fit (automaticamente ficando com vontade de comer brigadeiro logo depois).
Do Autor (18 posts)
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.
Aprenda como implementar um simples algoritmo em Python para traçar linhas de suporte e resistência em gráfico de candlestick.
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.
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 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.
Entenda como utilizar o indicador Estocástico Lento em uma estratégia de trade que funciona em qualquer timeframe.
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.
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 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.
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.