No dia 26 de junho, foi a vez da turma da tarde da 5ª edição do Bootcamp em Data Science do Fundo Amanhã apresentar as soluções desenvolvidas para o desafio final da formação. O projeto, proposto pela Finor, levou os estudantes a aplicar Ciência de Dados e programação em Python a um problema real do mercado financeiro.
O desafio consistia em desenvolver uma carteira de investimentos capaz de acompanhar o desempenho de grandes índices da Bolsa, como o Ibovespa e o S&P 100, utilizando uma quantidade reduzida de ações.
Para chegar às soluções apresentadas, os participantes trabalharam com sete anos de dados históricos e desenvolveram um modelo matemático voltado à seleção de ativos. A proposta buscava respeitar um limite máximo de ações na carteira e, ao mesmo tempo, manter a capacidade de acompanhar com precisão o rendimento dos índices utilizados como referência.
A abordagem permite reduzir a quantidade de ativos necessários, o que pode contribuir para simplificar a gestão da carteira e diminuir custos associados à sua composição. Para os estudantes, o projeto representou a oportunidade de utilizar programação, análise de dados e modelagem matemática em um contexto concreto, com restrições e objetivos semelhantes aos encontrados em problemas do mercado.
A apresentação também evidenciou como conhecimentos em Ciência de Dados podem ser aplicados para além de exercícios teóricos. Ao trabalhar com dados históricos e buscar uma solução para um desafio proposto por uma organização externa, os participantes puderam desenvolver raciocínio analítico, capacidade de resolução de problemas e experiência prática com ferramentas utilizadas profissionalmente.
O desafio da Finor encerrou a etapa de apresentações da 5ª edição do Bootcamp em Data Science, após a apresentação realizada anteriormente pela turma da manhã. Ao aproximar estudantes de problemas reais e de diferentes possibilidades de aplicação dos dados, o programa amplia o contato dos participantes com situações que exigem tanto domínio técnico quanto tomada de decisão baseada em informações.
