1. Autoestudos da semana
Semana 5, que cobre o encontro de 10/11/2026. Os dois autoestudos que o roteiro desta aula pressupõe:
- Diversificação eficiente: a matemática de não colocar todos os ovos na mesma cesta (80 min) Base do Peer Instruction de abertura e do Bloco 3: o risco de dois ativos em função do peso e da correlação.
- Atividade Ponderada 1: Diagnóstico de uma carteira herdada (120 min) Vale 3 pontos. A leitura da matriz de correlação e da correlação em crise feita hoje é a ferramenta do diagnóstico; o enunciado e a carteira de cada aluno ficam só na Adalove.
Títulos e tempos copiados de docs/autoestudos-por-semana.md, conferido em
13/10/2026 contra a Adalove da turma 2026-2B-T19. O acesso ao conteúdo é pela Adalove.
2. Leitura complementar do professor
A curadoria desta seção ainda será fechada pelo professor. Até lá, ficam aqui as fontes citadas no deck e no material de apoio, na mesma numeração do slide de referências.
- dados/README.md: snapshot do case, cesta de 15 ativos da B3 e falhas do provedor. Origem de todo número da aula, coletado em 17/09/2026 na janela de 02/01/2019 a 31/08/2026.
- Autoestudo da semana 5: Diversificação eficiente: a matemática de não colocar todos os ovos na mesma cesta. Adalove. Seção 1 desta página.
- Autoestudo da semana 5: Atividade Ponderada 1: Diagnóstico de uma carteira herdada. Adalove. Seção 1 desta página.
- MARKOWITZ, H. Portfolio Selection. The Journal of Finance, v. 7, n. 1, p. 77-91, 1952. A origem da fórmula da variância da carteira e do argumento da diversificação.
- LEDOIT, O.; WOLF, M. A well-conditioned estimator for large-dimensional covariance matrices. Journal of Multivariate Analysis, v. 88, n. 2, p. 365-411, 2004. O estimador de encolhimento apresentado no Bloco 5.
- pandas development team. pandas API reference: DataFrame.cov e DataFrame.corr. Como os dois métodos tratam pregões sem retorno, par a par, o que leva a matriz desta aula a partir da janela comum (referência 9).
- scikit-learn developers. sklearn.covariance.LedoitWolf. A implementação contra a qual a versão em NumPy do notebook é conferida.
- Modelo de ADR do curso. Formato do ADR do estimador de covariância pedido no A3.
- ADR-009: tratamento de ausência único, com janela comum na análise conjunta. A regra que a matriz desta aula segue: janela comum dos 15 ativos, 1.423 retornos desde 14/12/2020, e o custo dela sobre março de 2020.