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 OptimizationRoteiro de Time SeriesRoteiro de Stochastic CalculusRoteiro de Bayesian InferenceRoteiro de Hidden Markov ModelsRoteiro de Particle filtering and non-stationary time series
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›Stochastic Calculus
S

Stochastic Calculus Roteiro

No arComece aqui

A precificação de opções, os modelos de risco e muitos simuladores se apoiam numa ideia: um preço é a soma de muitos passos aleatórios minúsculos. Esta habilidade a explica em passos simples, com verificações curtas (números que você calcula, passos que ordena, conceitos que associa) e exemplos financeiros: por que as variações ao quadrado de uma trajetória aleatória somam tempo, por que o ganho de quem faz hedge é uma integral que só olha o passado, por que o retorno esperado real some do preço de uma opção, como uma EDP de precificação e uma média sobre trajetórias dão o mesmo número, o que a reversão à média e os saltos acrescentam, e como um esquema de simulação troca velocidade por precisão. O projeto final é um laboratório de código em que você estima um modelo com retornos do SPY, o simula, precifica um call por fórmula e por Monte Carlo e mede o erro de hedge que sobra quando se rebalanceia só a cada poucos dias.

5 módulos12 labs corrigidos~12 horasAvançado
Começar o roteiro

Pré-requisitos

Espera-se cálculo e probabilidade (derivadas, integrais, esperança, distribuição normal). Não é preciso conhecer finanças nem processos estocásticos.

  • CCalculus
  • PProbability

Conteúdo

12 tópicos · abra qualquer tópico, na ordem que preferir
  1. 1Movimento brownianoNão iniciadoRequer Python50 minComeçar
  2. 2Variação quadráticaNão iniciado50 minComeçar
  3. 3A integral de ItôNão iniciado1 hComeçar
  1. 4O lema de ItôNão iniciadoRequer Python55 minComeçar
  2. 5Movimento browniano geométricoNão iniciadoRequer Python55 minComeçar
  1. 6Girsanov e a medida neutra ao riscoNão iniciado1 h 5 minComeçar
  2. 7Feynman-Kac e a EDP de Black-ScholesNão iniciado1 h 5 minComeçar
  1. 8Processos de reversão à média OU e CIRNão iniciado55 minComeçar
  2. 9Saltos: Poisson e MertonNão iniciado1 hComeçar
  3. 10Volatilidade local e estocásticaNão iniciado55 minComeçar
  1. 11Esquemas de Euler-Maruyama e MilsteinNão iniciado55 minComeçar
  2. 12Projeto final: simular precificar e proteger com rebalanceamento discretoNão iniciado1 h 40 minComeçar

Conclusão

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

0 / 120%

Pré-requisitos

Espera-se cálculo e probabilidade (derivadas, integrais, esperança, distribuição normal). Não é preciso conhecer finanças nem processos estocásticos.

  • CCalculus
  • PProbability

Ferramentas que você vai usar

PythonNumPypandaspytest

O que você vai aprender

  • Explicar por que uma trajetória aleatória tem variação quadrática igual ao tempo e o que isso muda no cálculo comum
  • Calcular integrais de Itô e aplicar o lema de Itô ao movimento browniano geométrico
  • Passar das probabilidades reais para as neutras ao risco e precificar opções com a EDP e a fórmula de Black-Scholes
  • Modelar a reversão à média, os saltos e a volatilidade estocástica e saber o que cada um acrescenta a um modelo de preços
  • Simular trajetórias com Euler-Maruyama e Milstein, precificar por Monte Carlo e medir o erro de um hedge delta discreto com retornos reais

Próximo roteiro

BBayesian InferenceNo 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 OptimizationRoteiro de Time SeriesRoteiro de Stochastic CalculusRoteiro de Bayesian InferenceRoteiro de Hidden Markov ModelsRoteiro de Particle filtering and non-stationary time series
Suporte
Envie seu feedbackPague-nos um café
Legal
Política de privacidadeTermos de serviço
© 2026 QuantCraft Solutions. Todos os direitos reservados.
QuantCraft
EntrarParticipar ↗
Entrar