Módulo 08 AdmTech · Computação · Semana 4 · 05/11/2026
| Bloco | Minutos | Tema | Interação que fecha o bloco |
|---|---|---|---|
| Daily | 15 | O que fiz, o que vou fazer, impedimentos | estado do A1 e a decisão do ADR de ausências |
| 1 | 0 a 15 | Resgate do coletor e a queda da PETR4 | Peer Instruction sobre o retorno log |
| 2 | 15 a 30 | Retorno simples e retorno logarítmico | previsão antes do widget |
| 3 | 30 a 45 | Média e desvio diários da cesta | dupla no notebook, seções 2 e 3 |
| 4 | 45 a 60 | Histograma e o peso das caudas | o desvio diz qual foi a pior queda? |
| 5 | 60 a 75 | Anualização por 252 e raiz de 252 | previsão antes do widget de janelas |
| 6 | 75 a 90 | A cesta contra o CDI | dupla no notebook e escolha coletiva |
| 7 | 90 a 105 | Quiz e amarração com a Sprint 2 | quiz de três perguntas |
Horários de relógio a confirmar na Adalove; os blocos contam do fim da daily.
Módulo 08 AdmTech · Aula 02 · Sprint 2
2
A Aula 01 deixou pronto o coletor parametrizado, com o Adj Close escolhido e a decisão de ausências registrada em ADR. Todo retorno de hoje herda essas duas escolhas.
| Herança da Sprint 1 | Decisão usada nesta aula | Efeito no retorno de hoje |
|---|---|---|
| Visão de preço | Adj Close | retorno total, com proventos, sem saltos de desdobramento |
| Ausências | preencher para a frente, ativo por ativo | retorno zero para BOVA11, IVVB11 e GOLD11 em 24/10/2025 |
| Estreia da GOLD11 | nenhum preço antes de 11/12/2020 | 1.423 retornos na GOLD11, contra 1.907 nos demais ativos |
O ADR do seu grupo descartou ou preencheu? A resposta muda a volatilidade que o A2 vai entregar.
Módulo 08 AdmTech · Aula 02 · Sprint 2 · [1]
3
A2
Qual ativo da cesta oscila mais, e quanto isso custa ao parceiro?
Os gestores precisam conhecer cada ativo antes de combiná-los em carteira.
| O A2 pede | Onde a aula entrega |
|---|---|
| Retorno e volatilidade anualizados, com o fator 252 justificado | Blocos 5 e 6, notebook seções 5 e 6 |
| Histograma de retornos com média e desvio destacados | Bloco 4, notebook seção 4 |
| Correlação e covariância anualizada | Bloco 7 e material de apoio (pendência P5) |
Módulo 08 AdmTech · Aula 02 · Sprint 2
4
Em 09/03/2020 a PETR4 caiu 29,70% (retorno simples). Qual é o retorno logarítmico do mesmo pregão?
Módulo 08 AdmTech · Aula 02 · Sprint 2 · [2]
5
-35,24%
ln(1 - 0,2970) = -0,3524. O retorno log de 09/03/2020 fica 5,54 pontos abaixo do simples.
É a pior queda diária da cesta inteira na janela do snapshot.
| Alternativa errada | Conta que a produz |
|---|---|
| -29,70% | repetir o retorno simples |
| -26,00% | calcular ln(1 + 0,2970) e trocar o sinal |
| -15,30% | usar o logaritmo de base 10 |
Módulo 08 AdmTech · Aula 02 · Sprint 2 · [1]
6
| Critério | Retorno simples | Retorno logarítmico |
|---|---|---|
| Fórmula | Pt / Pt-1 - 1 | ln(Pt / Pt-1) = ln(1 + r) |
| Em pandas | precos.pct_change(fill_method=None) | np.log(precos / precos.shift(1)) |
| Vários pregões do mesmo ativo | compõe pelo produto de (1 + r) | soma direta |
| Vários ativos no mesmo pregão | média ponderada pelos pesos da carteira | sem soma ponderada exata |
A carteira de Markowitz das Aulas 03 e 04 combina ativos pelo retorno simples.
Módulo 08 AdmTech · Aula 02 · Sprint 2 · [2] [4]
8
crise = simples.loc["2020-02-20":"2020-04-30",
"PETR4"]
crise.sum() # -0.3419
(1 + crise).prod() - 1 # -0.4092
crise_log = log.loc["2020-02-20":"2020-04-30",
"PETR4"]
crise_log.sum() # -0.5262
np.log(1 - 0.4092) # -0.5262
| 47 pregões, 20/02 a 30/04/2020 | PETR4 |
|---|---|
| Soma dos retornos simples | -34,19% |
| Acumulado de fato, pelo produto | -40,92% |
| Soma dos retornos log | -52,62% |
A soma dos log acerta o log do acumulado: ln(1 - 0,4092) = -52,62%. A soma dos simples só se aproxima.
Módulo 08 AdmTech · Aula 02 · Sprint 2 · [1]
9
Previsão da dupla: quantos pontos separam o log do simples na queda de 09/03/2020? E na alta de 13/03/2020?
Módulo 08 AdmTech · Aula 02 · Sprint 2
10
precos = ajustado.ffill() # ADR da Aula 01
simples = precos.pct_change(
fill_method=None).iloc[1:]
log = np.log(precos / precos.shift(1)).iloc[1:]
diarias = pd.DataFrame({
"media": simples.mean(),
"desvio": simples.std(),
"n": simples.count(),
})
| Ativo | Média diária | Desvio diário | Retornos |
|---|---|---|---|
| MGLU3 | -0,037% | 4,120% | 1.907 |
| PETR4 | 0,135% | 2,473% | 1.907 |
| BOVA11 | 0,047% | 1,475% | 1.907 |
| IVVB11 | 0,087% | 1,269% | 1.907 |
| GOLD11 | 0,069% | 1,247% | 1.423 |
fill_method=None impede o pandas de preencher ausências por conta própria: a decisão é do ADR do grupo.
Módulo 08 AdmTech · Aula 02 · Sprint 2 · [3] [4]
11
Checagem aos 6 min: a aposta da soma da crise está escrita e conferida. Debrief: o quadro reúne um ativo por dupla, e a turma aponta o maior e o menor desvio.
Abrir o notebook da Aula 02 no Colab
Módulo 08 AdmTech · Aula 02 · Sprint 2
12
Antes de tocar: anote onde os pregões de março de 2020 vão cair no histograma da PETR4.
Módulo 08 AdmTech · Aula 02 · Sprint 2
14
| PETR4, 1.907 retornos diários | Valor |
|---|---|
| Desvio padrão diário | 2,47% |
| Pior queda, 09/03/2020 | -29,70% |
| Pregões além de 3 desvios | 26 |
| O que a normal preveria | 5,1 |
| Extremos em março de 2020 | 12 |
| Curtose em excesso | 21,9 |
O desvio padrão descreve bem o pregão típico: a maior parte dos retornos fica perto da média.
Nas caudas, a normal com o mesmo desvio prevê 5,1 pregões além de 3 desvios, e a PETR4 teve 26. Dez das 15 piores quedas da cesta caem em março de 2020.
O desvio padrão diz qual foi a pior queda do período?
Módulo 08 AdmTech · Aula 02 · Sprint 2 · [1] [2]
15
| PETR4 | Diário | Fator | Anual |
|---|---|---|---|
| Retorno médio | 0,1347% | x 252 | 33,94% |
| Volatilidade | 2,4727% | x raiz de 252 = 15,87 | 39,25% |
| Erro comum: desvio x 252 | 2,4727% | x 252 | 623,12% |
Em pregões independentes, o que se soma é a variância: 252 pregões têm 252 vezes a variância de um. O desvio é a raiz da variância, então cresce com a raiz de 252.
Conta no quadro: refaçam a linha da volatilidade com a calculadora antes de seguir.
Módulo 08 AdmTech · Aula 02 · Sprint 2 · [2]
17
Antes de tocar: o desvio diário do retorno log do BOVA11 é 1,49%. Quanto oscila o retorno log de um trimestre de 63 pregões?
Módulo 08 AdmTech · Aula 02 · Sprint 2
18
Antes de ligar 21 e 63: qual janela reage primeiro à crise de março de 2020, e qual sobe mais?
Módulo 08 AdmTech · Aula 02 · Sprint 2 · [5]
19
| Ativo | Média x 252 | Vol. anual | Total |
|---|---|---|---|
| MGLU3 | -9,45% | 65,41% | -90,26% |
| RENT3 | 14,47% | 43,81% | 44,66% |
| PETR4 | 33,94% | 39,25% | 616,00% |
| B3SA3 | 18,87% | 39,24% | 133,12% |
| VALE3 | 20,39% | 35,49% | 189,86% |
| WEGE3 | 30,83% | 35,13% | 544,47% |
| SUZB3 | 10,05% | 34,67% | 35,87% |
| BBAS3 | 10,59% | 34,39% | 42,09% |
| Ativo | Média x 252 | Vol. anual | Total |
|---|---|---|---|
| BBDC4 | 7,02% | 34,09% | 9,36% |
| ITUB4 | 12,90% | 29,36% | 91,20% |
| ABEV3 | 7,37% | 28,34% | 28,93% |
| EGIE3 | 10,55% | 23,65% | 79,87% |
| BOVA11 | 11,85% | 23,41% | 98,84% |
| IVVB11 | 21,82% | 20,15% | 347,03% |
| GOLD11* | 17,46% | 19,80% | 139,80% |
Total da primeira à última cotação contra o CDI acumulado de 100,17% (GOLD11, desde 11/12/2020: 84,04%). A média anual é aritmética e não se compara com os 9,51% compostos do CDI.
Módulo 08 AdmTech · Aula 02 · Sprint 2 · *GOLD11 desde 11/12/2020 · [1] [6]
20
Checagem aos 6 min: a linha do ativo da dupla está anotada. Debrief: a escolha coletiva do slide seguinte julga afirmações sobre risco com a tabela inteira.
Módulo 08 AdmTech · Aula 02 · Sprint 2
21
1. A MGLU3 é o ativo de maior risco da cesta
2. Na cesta, quem oscila mais rende mais
3. O BOVA11 rendeu mais que o CDI na janela
4. A PETR4 entregou o maior retorno total da cesta
Cada dupla decide antes do clique. A sala vota em cada afirmação e aponta o número que decide.
Módulo 08 AdmTech · Aula 02 · Sprint 2
22
1. Somar os simples da PETR4 na crise de 2020 dá -34,19%. O acumulado foi:
2. Desvio diário de 2,47%. A volatilidade anual é:
3. Qual janela atinge o pico primeiro em 2020?
Módulo 08 AdmTech · Aula 02 · Sprint 2
23
| Seção | O que entrega |
|---|---|
| 1 a 3 | O preço herdado da Aula 01, os dois retornos, a soma da crise, média e desvio diários |
| 4 e 5 | Histograma com média e desvio, caudas, anualização e janela deslizante |
| 6 e 7 | A tabela da cesta contra o CDI e o mínimo de covariância e correlação |
| 8 | Desafio do A2: inverter a decisão de ausências e medir quanto a volatilidade de cada ativo muda |
Notebook no GitHub · Abrir no Colab · Material de apoio
Módulo 08 AdmTech · Aula 02 · Sprint 2
24
| Critério do barema | Peso | O que hoje já adiantou |
|---|---|---|
| Corretude das métricas | 30% | retorno e volatilidade anualizados por 252 e raiz de 252 |
| Visualizações interpretáveis | 15% | histograma com média e desvio destacados |
| Leitura analítica | 15% | a frase para o parceiro; correlações na Aula 03 |
| Reutilização | 5% | funções que recebem o DataFrame do A1, no desafio |
| Especificação e documentação | 15% | SPEC.md com as interfaces do módulo de métricas |
| ADRs, nota individual | 20% | o ADR da anualização por 252 |
A2 vale 3 pontos; ADR no modelo do curso [7]. Entrega até sexta, 06/11/2026, 23h59, com review no mesmo dia. O A3 vai importar as funções do A2.
Módulo 08 AdmTech · Aula 02 · Sprint 2
25
covariancia_anual = simples.cov() * 252
correlacao = simples.corr() # não anualiza
| Item do A2 | Mínimo para 06/11 |
|---|---|
| Covariância anualizada | a matriz, multiplicada por 252 como a variância |
| Correlação com heatmap | a matriz e o heatmap da seção 7 do notebook |
| Leitura das correlações | uma frase por par que chamar atenção |
Pendência P5 do plano de ensino, em decisão com a coordenação. A Aula 03, em 10/11/2026, aprofunda a leitura de pares.
Módulo 08 AdmTech · Aula 02 · Sprint 2
26
Módulo 08 AdmTech · Aula 02 · Sprint 2
27