σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsRoteiros
Ctrl K
AO
+1,2 mil alunos
EntrarParticipar ↗
RoadmapsRoteiros
AO
+1,2 mil alunos
Entrar
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

Desenvolvimento quant aprendendo na prática: lições curtas, laboratórios avaliados e um IDE de verdade, no seu navegador.

Aprender
Todos os roadmapsTodos os roteirosRoteiro de PythonRoteiro de C++Em breveRoteiro de OxCamlEm breveRoteiro de Market StructureRoteiro de CalculusRoteiro de Linear AlgebraRoteiro de ProbabilityRoteiro de StatisticsRoteiro de Matrix DecompositionsRoteiro de Optimization
Suporte
Envie seu feedbackPague-nos um café
Legal
Política de privacidadeTermos de serviço
© 2026 QuantCraft Solutions. Todos os direitos reservados.
QuantCraft
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsRoteiros
Ctrl K
AO
+1,2 mil alunos
EntrarParticipar ↗
RoadmapsRoteiros
AO
+1,2 mil alunos
Entrar
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Roteiros›Statistics
S

Statistics Roteiro

No arComece aqui

As finanças estão cheias de ruído, e um backtest que parece bom costuma ser sorte. Esta habilidade ensina as ferramentas que separam sinal de ruído, com verificações curtas (números que você calcula, passos que ordena, conceitos que associa) e exemplos financeiros: por que a mediana vence a média em retornos, quão larga é de fato um intervalo, por que a melhor de cem estratégias prova pouco e como validar sem olhar o futuro. Termina com um laboratório de código que testa uma anomalia de momentum em preços reais com bootstrap e correção de testes múltiplos.

4 módulos12 labs corrigidos~11 horasIniciante → Avançado
Começar o roteiro

Conteúdo

12 tópicos · abra qualquer tópico, na ordem que preferir
  1. 1Estatística descritiva e estimadores robustosNão iniciado40 minComeçar
  2. 2Distribuições amostraisNão iniciado45 minComeçar
  3. 3Intervalos de confiança e bootstrapNão iniciado55 minComeçar
  1. 4Testes de hipóteses: o teste tNão iniciadoRequer Python45 minComeçar
  2. 5Testes múltiplos e falsas descobertasNão iniciado55 minComeçar
  1. 6Máxima verossimilhançaNão iniciado55 minComeçar
  2. 7Regressão linear (MQO)Não iniciadoRequer Python55 minComeçar
  3. 8Heterocedasticidade e erros robustosNão iniciado50 minComeçar
  4. 9Multicolinearidade e regularizaçãoNão iniciado50 minComeçar
  1. 10Validação cruzada e sobreajusteNão iniciado55 minComeçar
  2. 11O índice de Sharpe deflacionado e o sobreajuste de backtestsNão iniciado1 hComeçar
  3. 12Projeto final: esta anomalia é real?Não iniciado1 h 40 minComeçar

Pré-requisitos

Probabilidade ajuda, e os dois tópicos de Python desta habilidade fazem parte do currículo, mas você pode começar com matemática do ensino médio.

  • PProbability

O que você vai aprender

  • Resumir retornos com estatísticas robustas e entender distribuições amostrais e erros-padrão
  • Construir intervalos de confiança, incluindo o bootstrap para estatísticas sem fórmula
  • Testar com honestidade: corrigir os testes múltiplos e controlar as falsas descobertas
  • Ajustar modelos por máxima verossimilhança e regressão, e tratar heterocedasticidade, colinearidade e regularização
  • Validar sem vazar o futuro, deflacionar um índice de Sharpe pelo número de tentativas e testar uma anomalia de ponta a ponta

Ferramentas que você vai usar

PythonNumPypandaspytest

Conclusão

Seja aprovado nos 12 labs com nota 70 ou mais para concluir o roteiro e ganhar o selo Estatística para quants no seu perfil.

0 / 120%

Próximo roteiro

MMatrix DecompositionsNo ar
uantCraft Academy

Desenvolvimento quant aprendendo na prática: lições curtas, laboratórios avaliados e um IDE de verdade, no seu navegador.

Aprender
Todos os roadmapsTodos os roteirosRoteiro de PythonRoteiro de C++Em breveRoteiro de OxCamlEm breveRoteiro de Market StructureRoteiro de CalculusRoteiro de Linear AlgebraRoteiro de ProbabilityRoteiro de StatisticsRoteiro de Matrix DecompositionsRoteiro de Optimization
Suporte
Envie seu feedbackPague-nos um café
Legal
Política de privacidadeTermos de serviço
© 2026 QuantCraft Solutions. Todos os direitos reservados.
QuantCraft
EntrarParticipar ↗
Entrar