Laplace Consulting

Q: Qual é o site?

http://www.laplaceconsulting.com.br/

Consultoria em Gestão orientada para Dados
Business Intelligence
Data Analytics
E-Learning

21/05/2026

O Kurtosis (Curtose) é o indicador que Wall Street deveria ter monitorado em 2008! 📉

Enquanto a maioria dos modelos assume uma distribuição normal, o kurtosis mede o peso das caudas — ou seja, a probabilidade de eventos extremos.

O que é Kurtosis?

Kurtosis = E[(X - μ)⁴] / σ⁴ - 3

Ele mede o peso das caudas da distribuição:

🟢 Kurtosis ≈ 0 (Normal): Distribuição normal

•
Eventos extremos são raros

•
Modelo padrão funciona bem

🔴 Kurtosis > 0 (Leptokurtic): Caudas pesadas

•
Mais eventos extremos que o esperado

•
RISCO MAIOR! Crashes e booms mais frequentes

🔵 Kurtosis < 0 (Platykurtic): Caudas leves

•
Menos eventos extremos que o esperado

•
Mais "suave" e previsível

Por que Kurtosis é Crítico?

A maioria dos modelos de risco assume distribuição normal (kurtosis = 0). Mas os retornos reais têm kurtosis positivo! Isso significa:

⚠️ Sua estimativa de risco pode estar SUBESTIMADA
⚠️ Eventos de "cauda" (crashes) são mais prováveis
⚠️ Value-at-Risk (VaR) tradicional falha

18/05/2026

Você já se perguntou por que algumas ações consistentemente superam o mercado no longo prazo? A resposta pode estar no Factor Investing. 📊

O investimento baseado em fatores é uma abordagem quantitativa que busca capturar prêmios de risco específicos do mercado. Em vez de focar apenas em classes de ativos tradicionais, essa estratégia analisa as características subjacentes (fatores) que impulsionam os retornos.

Os 5 principais fatores reconhecidos pela academia:
🔹 Value: Ações negociadas abaixo do seu valor intrínseco.
🔹 Momentum: Ativos com tendência de alta recente.
🔹 Quality: Empresas com balanços sólidos e alta lucratividade.
🔹 Low Volatility: Ações com menor oscilação de preço.
🔹 Dividend Yield: Foco em alta distribuição de proventos.

Na imagem, mostramos como você pode usar Python e a biblioteca pandas para combinar esses fatores e construir um portfólio robusto e diversificado. Ao diversificar entre fatores que não são perfeitamente correlacionados, você pode melhorar a relação risco-retorno da sua carteira.

Você já aplica algum desses fatores na sua estratégia de investimentos? Deixe nos comentários! 👇

MercadoFinanceiro

16/05/2026

Como você mede o risco de uma ação em relação ao mercado como um todo? É aqui que entra o Beta (β). 📈

No mundo das finanças quantitativas e do CAPM (Capital Asset Pricing Model), o Beta é a medida fundamental da volatilidade — ou risco sistemático — de um ativo em comparação com o mercado (geralmente representado pelo Ibovespa ou S&P 500).

Entendendo os valores do Beta:
🔸 β = 1: O ativo se move em sincronia com o mercado.
🔸 β > 1: O ativo é mais volátil que o mercado (tende a subir mais nas altas e cair mais nas baixas).
🔸 β < 1: O ativo é menos volátil, oferecendo maior proteção em momentos de estresse.

No gráfico, ilustramos a relação teórica: ativos com maior Beta (maior risco) exigem um maior Retorno Esperado para compensar o investidor. Além disso, incluímos um snippet de código Python mostrando como é simples calcular o Beta da sua carteira usando a covariância e a variância dos retornos.

Sua carteira é mais defensiva (Beta baixo) ou agressiva (Beta alto)? Comente abaixo! 💬

CAPM Volatilidade

14/05/2026

Quer elevar a otimização da sua carteira para o próximo nível? Conheça a RiskFolio-Lib, uma das bibliotecas Python mais poderosas para gestão de portfólios. 🚀

Baseada na Moderna Teoria do Portfólio de Markowitz, a RiskFolio permite que investidores quantitativos e gestores de fundos construam a Fronteira Eficiente — o conjunto de portfólios que oferecem o maior retorno esperado para um determinado nível de risco.

O que a RiskFolio pode fazer por você?
✅ Otimização de Média-Variância (Markowitz clássico).
✅ Modelos avançados de risco (CVaR, CDaR, MAD).
✅ Incorporação de visões de mercado (Black-Litterman).
✅ Otimização com restrições complexas (setores, ESG, liquidez).

Na imagem, demonstramos como encontrar o Portfólio Ótimo (aquele com o maior Índice de Sharpe) com apenas algumas linhas de código. A automação desse processo permite te**es rápidos e rebalanceamentos eficientes com base em dados reais.

Se você usa Python para finanças, a RiskFolio é indispensável. Qual sua biblioteca favorita para análise de dados financeiros? 🐍📊

Quer aprender mais? Link na bio!

DataScience Markowitz

13/05/2026

A maioria dos investidores foca em diversificar o capital (ex: 25% em cada ativo). Mas e se o segredo for diversificar o risco? Bem-vindo ao Risk Parity (Paridade de Risco). ⚖️

A estratégia de Risk Parity revoluciona a alocação de ativos ao garantir que cada componente do portfólio contribua igualmente para a volatilidade total da carteira.

Por que isso é importante?

Em um portfólio tradicional "Equal Weight" (pesos iguais), ativos altamente voláteis (como ações) acabam dominando o risco total da carteira, mesmo que representem apenas uma fração do capital. O Risk Parity corrige isso alocando mais capital em ativos de baixa volatilidade (como bonds) e menos em ativos de alta volatilidade.

O resultado? Uma carteira mais resiliente, capaz de performar bem em diferentes cenários econômicos (crescimento, inflação,

recessão).

Confira no código Python como calcular os pesos inversamente proporcionais à volatilidade para criar sua própria estratégia de Risk Parity.

Você prefere alocar por capital ou por risco? Deixe sua opinião! 👇

Investimentos

12/05/2026

E se cada ativo da sua carteira contribuísse com exatamente a mesma parcela de risco? É isso que o HERC faz.

O HERC, ou Contribuição de Risco Igual Hierárquica, é uma evolução direta do HRP. Enquanto o HRP distribui o capital proporcionalmente ao risco de cada cluster, o HERC vai além: garante que a contribuição marginal de risco de cada ativo seja igual dentro da hierarquia da carteira.

Na prática, isso significa uma alocação ainda mais equilibrada, onde nenhum ativo domina o risco total do portfólio — mesmo em cenários de alta volatilidade ou correlação entre ativos.

O método combina o poder da clusterização hierárquica com o princípio da paridade de risco, resultando em carteiras mais estáveis e diversificadas do ponto de vista estatístico.

Com Python e a biblioteca riskfolio-lib, você aplica o HERC ao mercado brasileiro em minutos.

Aprenda no InvestQuant. Link na bio.

investimentos b3 mercadofinanceiro pythonfinance gestaoderisco quant portfólio paridade datascience laplaceconsulting

06/05/2026

A maioria dos investidores diversifica pela quantidade de ativos. Os profissionais diversificam pelo risco.

O HRP, ou Paridade de Risco Hierárquico, é um método de otimização de carteiras desenvolvido pelo matemático Marcos López de Prado. Em vez de depender de matrizes de covariância instáveis — como faz o modelo de Markowitz —, o HRP usa clusterização hierárquica para agrupar ativos com comportamentos semelhantes e distribuir o capital de forma proporcional ao risco de cada grupo.

O resultado é uma carteira mais robusta, menos sensível a erros de estimativa e com melhor desempenho em períodos de crise.

Com Python e a biblioteca riskfolio-lib, você implementa o HRP em menos de 10 linhas de código aplicado a qualquer conjunto de ações da B3.

Isso é o que você aprende no InvestQuant: ferramentas reais, usadas por gestores de fundos, aplicadas ao mercado brasileiro.

Acesso vitalício por 12x de R$ 9,30. Link na bio.

riskfolio investimentos b3 mercadofinanceiro pythonfinance gestaoderisco quant portfólio datascience laplaceconsulting

30/04/2026

Você sabe qual é a perda máxima que seu portfólio pode ter amanhã?

Se a resposta for "não sei" ou "espero que não seja muito", você está gerenciando risco no achismo.

O Value at Risk (VaR) é uma das métricas mais usadas por gestores de fundos e bancos de investimento para responder exatamente essa pergunta com precisão matemática.

Em termos simples: o VaR 95% de R$ 10.000 significa que há 95% de chance de você não perder mais do que R$ 10.000 em um único dia.

Com Python, você calcula isso em 3 linhas usando numpy. Sem planilha, sem estimativa no olho — apenas dados e estatística.

Esse é o tipo de análise que separa o investidor amador do profissional quantitativo.

No InvestQuant, você aprende a calcular o VaR, o CVaR (Conditional Value at Risk) e outras métricas de risco aplicadas ao mercado brasileiro.

Acesso vitalício por 12x de R$ 9,30. Link na bio

29/04/2026

Você sabia que é possível testar qualquer estratégia de investimento com dados históricos reais antes de arriscar um centavo? Com Python e a biblioteca vectorbt, você faz isso em menos de 15 linhas de código. Aprenda no InvestQuant 👇 [link na bio]

27/01/2022

Seguro é obrigatório? Posso transferir meu empréstimo de um banco para outro?
Essas e outras respostas aqui nesse post da Laplace Consulting!
Antes de solicitar um empréstimo analise suas condições de caixa e capacidade de pagamento!

27/01/2022

O que esperar para os próximos meses de 2022?
Estou preparado?
E meus empréstimos como ficam com a nova taxa de juros?

Tudo isso e muito mais nesse vídeo!

Endereço

São Paulo, SP

Site

http://www.laplaceconsulting.com.br/

Notificações

Seja o primeiro recebendo as novidades e nos deixe lhe enviar um e-mail quando Laplace Consulting posta notícias e promoções. Seu endereço de e-mail não será usado com qualquer outro objetivo, e pode cancelar a inscrição em qualquer momento.