Blog do NEMO

Quer ser um Quant ?

2012-01-26T10:00:00.000-08:00

Quant é o profissional do presente, o analista quantitativo e analítico capaz de investigar uma base de dados, criar um software em C++, coordenar a implementação de um projecto e entender como as possíveis mudanças macroeconómicas podem influenciar uma determinada carteira de investimentos. Um Quant geralmente pode ser um engenheiro, um cientista da computação, um matematico ou um fisico.

Quando eu conheci o termo eu já era um Quant, logo não posso te dar dicas sobre como se tornar um Quant mas se te interessar seguem algumas informações sobre o que é e o que um Quant pode fazer.

O termo é uma abreviação para a palavra quantitativo e foi citada pela primeira vez em 1979 quando a revista Forbes caracterizou os Quants como "jovens consultores que fazem grande parte do seu monitoramento de riscos através de análises quantitativas".

Os Quants trouxeram para Wall Street e para a mesa de operações do mercado financeiro os sofisticados modelos matemáticos e computacionais da academia. O impacto dos "rocket scientist", como eram chamados no inicio, no modus operandi do mercado financeiro global é inegável, dentre as diversas mudanças que ocorreram com o natural desenvolvimento tecnológico podemos citar o novo mercado electrónico (substituto do pregão viva voz), os novos instrumentos financeiros entre eles os derivativos e os HFTs (High Frequency Traders, operadores de alta frequência que atualmente alimentam a liquidez dos mercados). Todas essas mudanças incluem melhorias e novos desafios.

Diversas novas áreas de pesquisa surgiram, entre elas Engenharia Financeira e Fisica Económica que aplicam respectivamente técnicas e ferramentas da engenharia e da fisica para resolver problemas do sistema financeiro. No Brasil ainda não temos cursos de graduação dedicados a formação de profissionais para esse mercado, na pós graduação esses temas são pesquisados por alunos dos departamentos de engenharia de produção e fisica como temas multiciplinares. O unico curso de pós graduação exclusivamente dedicado ao tema é oferecido em um MBA da Escola Politecnica da USP, o curso surgiu quase que como consequência direta da demanda de profissionais especializados e do pioneirismo de ex alunos da EP também fundadores da empresa Luz Engenharia Financeira.

Compartilho com voces alguns textos para leitura e motivação.

The Quants

On becoming a Quant

Se voce já é um Quant, eu tenho uma outra motivação: o mercado está contratando e pagando muito bem. Segue um link com oportunidades para Quants na America ...

http://www.quantfinancejobs.com/

O Brasil precisa de Quants, seja um.

Freakeconomics - O lado oculto e inesperado de tudo que nos afeta

2011-12-30T15:58:00.000-08:00

O que é mais perigoso, uma arma ou uma piscina? O que os professores e os lutadores de sumô têm em comum? Por que os traficantes de drogas moram com as mães? Qual a importância real dos pais? Que tipo de impacto a legalização do aborto nos Estados Unidos teve sobre a criminalidade?

Talvez essas não pareçam perguntas de um economista, mas Steven D. Levitt não é um economista como os outros. Um acadêmico super aclamado, ele estuda a rotina e os enigmas da vida real — da trapaça à criminalidade, dos esportes à criação dos filhos — e suas conclusões costumam virar de cabeça para baixo o senso comum, geralmente a partir de uma montanha de dados e de uma pergunta simples nunca feita. Algumas dessas perguntas tratam de questões de vida ou morte, outras têm uma natureza assumidamente esdrúxula. Daí surge o novo campo de estudo apresentado neste livro: freakonomics.

Steven Levitt e Stephen Dubner demonstram que a Economia é, em essência, o estudo dos incentivos — como as pessoas conseguem o que desejam ou lhes é necessário, principalmente quando outros desejam a mesma coisa ou dela necessitam. Em Freakonomics, ambos se dispõem a explorar o lado oculto de... ora, de tudo. A estrutura de uma gangue de crack; a verdade sobre os corretores de imóveis; os mitos do financiamento de campanhas eleitorais; as pistas que apontam um professor trapaceiro; os segredos da Ku Klux Klan. O que liga essas histórias é a crença de que o mundo moderno, a despeito de aparentemente confuso, complicado e enganoso, não é impenetrável nem indecifrável. Na verdade, quando se fazem as perguntas certas, o mundo é ainda mais interessante do que supomos. É preciso, apenas, uma visão nova. Steven Levitt, por meio de um raciocínio incrivelmente inteligente e objetivo, mostra como é possível ver as coisas de maneira clara nessa barafunda.

Se a moralidade representa o modo como gostaríamos que o mundo funcionasse, a Economia representa o modo como ele realmente funciona.

Após a leitura, se você não passar a entender um pouco mais sobre economia ao menos redefiná a maneira como encara o mundo.

OS AUTORES

Steven D. Levitt leciona economia na Universidade de Chicago e recebeu recentemente a Medalha John Bates Clark, concedida a cada dois anos ao melhor economista americano de menos de quarenta anos.

Stephen J. Dubner mora em Nova York e escreve para o The New York Times e The New Yorker. É o autor dos best-sellers Turbulent Souls e Confessions of a Hero-Whorshiper.

O LIVRO

Disponível para comprar nas principais livrarias ( com versão em português e inglês ). Caso queiram antes dar uma olhadinha, segue o link para download da versão pdf.

WEB SITE / BLOG

Existe um web site dos autores com informações sobre estudos freakeconomics.

http://www.freakonomics.com/

Richard Feymann

2011-11-20T09:09:00.000-08:00

Caros amigos e leitores,

Recomendo a leitura do livro "Surely, you are joking Mr Feymann !". Ao terminar de ler o livro tive a impressão que eu poderia ter feito física ao invés de matemática aplicada. Na realidade essa conclusão reforça ainda mais a minha suspeita de que se o conjunto de todas as profissões fosse um grupo, matemática e física certamente formariam o grupo gerador. O que pode ser traduzido em português usando as palavras de Edésio Sibrao (Diretor sócio fundador da LUZ Engenharia Financeira)

"O formando em física pode trabalhar em qualquer área. Acho que uma boa analogia para exemplificar isso é a seguinte: enquanto os cursos de medicina ou direito, por exemplo, formam ‘células especialistas’, o curso de física formam ‘células tronco’.”

Arrisco me a dizer que em essência toda criança nasce cientista. Partimos do nada, desconhecemos completamente o mundo ao redor mas impulsionados pela curiosidade iniciamos uma eterna observação do mundo, interagimos com ele, aprendemos com tentativas e erros. A formulação de hipóteses, experimentações e síntese de conclusões fluem naturalmente. Essa taxa de aprendizado tem crescimento decrescente para a maioria das pessoas. (será que até mesmo negativo em algum momento da vida ?).

O trabalho de pesquisa de um cientista é árduo mas pode ser muito prazeroso. Cientistas não são gênios, não são de outro mundo, não possuem poderes especiais. Essa é a imagem que Feymann passa em sua auto biografia. Mas ser cientista tem também um lado especial, acredito que ser cientista é como estar a frente do seu tempo, é ser capaz de propor soluções para os problemas que o restante do mundo só é capaz de sentir os efeitos.

Richard Feymann, prêmio nóbel em física no ano de 1965 por sua contribuição em física quântica, trabalhou durante vários anos em projetos militares nos anos da segunda guerra mundial. Seu livro narra os bastidores da construção da bomba atômica, sua fascinação por abrir cofres, sua filosofia da ciência, suas visitas ao Brasil e até mesmo um grande interesse no carnaval brasileiro.

Feymann é um fanfarrão.

Fica então a dica de uma leitura agradável. Não espero converter muitos a serem cientistas, espero despertar os muitos cientistas por vocação que nosso pais perde por falta de informação e estrutura.

Eu comprei o livro via Amazon: barato, em inglês e com entrega rápida. Vale a pena comprar ! Mas se quiserem dar uma olhadinha antes ... segue o link para download.

Surely you're joking Mr. Feymann

Calculus Rhapsody

2011-11-12T10:56:00.000-08:00

Caros amigos,

Compartilho com vocês essa grande versão de Bohemian Rapsody. Praticamente um tributo ao Queen.

PS: Em breve postarei sobre um livro que acabei de ler: Surely, you are joking Mr Feymann.

Investindo em ações

2011-10-02T14:50:00.000-07:00

Agora vocês entendem porque o mercado financeiro é tão imprevisível. O ciclo da informação é viesado e assimétrico por construção.

My mathematician's apology

2011-06-23T13:39:00.000-07:00

Não estou no fim da vida (esse é o meu palpite) mas desde já compartilho com vocês minha experiência, justificativa e motivação para estudar Matemática. Recomendo a leitura da obra que inspirou esse post: A mathematician's apology do matemático inglês G. H. Hardy .

No final do ano em que me formei (2009) encontrei esse livro no Google (resultado de uma busca quase heurística pela web). Nessa época eu já tinha construído a minha própria justificativa e sempre recorria a ela nos momentos mais difíceis do semestre (sim ... principalmente durante a época de provas). Não é fácil justificar aos amigos e parentes os cinco anos dedicados ao estudo de teorias que não pertencem ao senso comum (podem incluir nesse senso comum o conhecimento dos famigerados e mortais universitários). Geralmente quando você tenta explicar o que estuda a um não matemático você percebe quão cruel e impiedosa é a matemática: ela segrega. Não importa o quão esforçado você seja em desmistificar o assunto trocando nomes difíceis por exemplos, mostrando aplicações ou mostrando evidencias no mundo real, a imagem que sobra da conversa é que você provavelmente é um gênio. As pessoas em geral não sabem classificar um problema matemático em muito ou pouco difícil, encontrar uma solução para uma EDP ou demonstrar a Hipótese de Riemann pertencem a mesma classe de problemas. A antiga máxima que diz : em terra de cego quem tem um olho é rei continua valida, isto é, eu posso ser considerado bom em matemática porque a grande maioria é péssima.

A minha carreira foi construída baseada em uma idéia (e aí vem a minha justificativa). Eu acredito que a matemática separa o joio do trigo (ontem, hoje e sempre). Seja em vestibular, concurso publico, exames de seleção ou em situações da vida real. Existem assuntos que todo mundo sabe um pouco (não citarei disciplinas para não ser indelicado) mas convenhamos: saber o que todo mundo sabe não é diferencial nenhum ! Por isso me dediquei a estudar os assuntos comuns (o mínimo necessário) e na medida do possível me destacar em assuntos como matemática, física e computação. Saber matemática por sí só não era o meu objetivo. Eu tinha em mente usar a matemática como uma ferramenta para resolver problemas em geral, e pra mim isso define a Matemática Aplicada. Um polvo poderia caracterizar perfeitamente um matemático aplicado: um tentáculo em cada área da ciência (by Briellen)

Fora da academia, pensando agora no mundo capitalista, sabemos que um funcionário vale (em termos de remuneração) uma proporção do que ele gera de resultado ($) para a empresa onde trabalha. Uma empresa precisa de informações para tomar decisões, quanto melhor forem essas informações melhor as decisões tomadas e portanto melhor os resultados obtidos. Podemos concluir então que as empresas estão em busca de pessoas que sabem capturar informações no mercado para a melhorar a tomada de decisão e em troca disso estão dispostas a oferecer uma remuneração generosa. O matemático aplicado certamente é um candidato de peso nessa disputa. No mundo do senso comum isso pode soar estranho porque o matemático está sempre associado ao professor secundário mal remunerado, enquanto que no mundo real os matemáticos aplicados (pela definição podem ser portanto físicos ou engenheiros) estão no topo da cadeia alimentar (Oh yes, we can !). Felizmente, eu segui minha ideia até o fim e não me deixei desanimar com as dificuldades eminentes.

Existem outras motivações além das motivações acadêmicas e profissionais citadas. Certamente um matemático de deve possuir aptidão para realizar cálculos e propor soluções inovadoras para problemas diversos. Deve ainda ter disciplina nos estudos e praticar muito os cálculos. O resultado de todas motivações deve ser expresso quase como um sentimento de devoção, parecido com: calculo logo existo.

Nem tudo são flores e a matemática assim como outra carreira requer dedicação e muito esforço. A curiosidade é inata ao ser humano, toda criança tem a essência de um cientista, com o passar dos anos algumas ficam preguiçosas e passam a aceitar conclusões prontas enquanto outras seguem a vida toda elaborando hipóteses, experimentando e criando modelos próprios.

Tanto Hardy como Pinshon falam sobre o impacto do desenvolvimento da matemática no "mundo real" e no texto acima eu mencionei a dificuldade de justificar o estudo de matemática para pessoas de "senso comum". O "mundo real" é o universo (Flatland) conhecido das pessoas de "senso comum".

Interessante pensar como o uso da palavra "mundo real" pode ser distorcido: um físico ou químico estuda o "mundo real", o matemático não. Simplesmente porque a maior parte das teorias matemáticas não encontram uma aplicação nos problemas cotidianos atuais. Diversas teorias atómicas foram propostas ao longo do tempo, a mecânica clássica teve que ser remendada pela quântica e tantos outros exemplos nos mostram que os físicos e químicos estudam na verdade um "mundo imaginário", adaptado e customizado para explicar o que eles conseguem ver ou entender. Enquanto que o mundo verdadeiramente "real" é para mim, o objeto de estudo dos matemáticos: nunca mudou e nunca mudará.

Um pouco sobre o livro

Em 1940 o matemático inglês G. H. Hardy tinha 63 anos quando escreveu o célebre (no mundo nerd eu diria) livro intitulado "A mathematician's apology". Seu livro reflete obviamente uma visão sobre a matemática e os matemáticos de seu tempo no entanto alguns fundamentos do livro seguem verdade até os dias de hoje e arrebanham seguidores e leitores como eu. O livro é recomendado para matemáticos e não matemáticos mas sinceramente se você não e físico, matemático ou no mínimo engenheiro, busque outro entretenimento.

Apesar de ser um livro matemático, Hardy não abusa de definições, teoremas e corolários. Existem ao todo duas provas no livro: a demonstração da irracionalidade da raiz de dois (quase um cliché matemático) e a prova da existência de infinitos números primos. O livro é bem estruturado e logo de inicio deixa bem claro a sua intenção: justificar o estudo da matemática, nada mais. O caracter subjetivo da opinião de Hardy quase passa despercebido na construção tão precisa dos argumentos e justificativas baseados na experiência de um matemático de Cambridge do inicio do século passado. Um dos pontos centrais do livro e para mim a mensagem mais valiosa é a caracterização do que ele chama de "verdadeira matemática" e como apreçar o valor de um teorema ou de uma teoria matemática pela valor que ela agrega a outras teorias.

É simplesmente fantástica a definição de verdadeira matemática de Hardy. Não vou defini-la aqui para não tirar a motivação do leitor mas já adianto que segundo Hardy a verdadeira matemática não pertence ao senso comum, isto é, se perguntar a alguém na rua a definição de matemática e alguns exemplos onde usamos a matemática (certamente citarão as operações básicas de aritmética de coisas, porcentagem de preços, etc.) não estaremos nem perto daquilo que Hardy define como a "verdadeira matemática".

O valor de uma teoria esta diretamente relacionado com o beneficio que essa teoria traz a área em questão bem como a outras áreas da ciência. Teorias que interligam áreas normalmente revelam informações ocultas e respondem questões em aberto. Hardy em seu livro enumera algumas propriedades desejáveis de uma teoria, em especial a capacidade de ligar teorias ate então desconexas e fortalecer a matemática como um todo. Novamente, essa margem do blog será muito estreita para mostrar os argumentos de Hardy, leiam o livro.

Download: Mathematician's apology.

Desenvolvimento Ágil

2011-05-21T12:45:00.000-07:00

O scrum pode salvar o seu projeto, acredite !

O mundo mágico de Escher

2011-05-14T19:21:00.000-07:00

Caros leitores,

Hoje tive o privilegio de conhecer de perto as 92 obras do artista gráfico holandês Maurits Cornelis Escher (1898 - 1972) que estão expostas no Centro Cultural Banco do Brasil. Compõem o acervo pinturas, desenhos, xilogravuras, videos, um documentário e um filme 3D.

O mundo mágico de Escher retrata a partir do cotidiano situações impossíveis: desafia nossa capacidade de separar o mundo real de ilusões de optica. Espelhos, luzes e um pouco de matemática se transformam em escadas que sobem ate o infinito, fractais usando lagartos, peixes e pássaros e muita confusão mental. O artista ficou conhecido por suas construções mágicas brincando com o preenchimento regular do plano, as explorações do infinito e as metamorfoses - padrões geométricos entre cruzados que se transformam gradualmente em formas completamente diferentes.

A cada figura um novo desafio mental. Escher, um gênio!

"Olhando de olhos abertos os enigmas que nos rodeiam e ponderando e analisando as minhas observações, entro em contato com os domínios da matemática. Embora não tenha qualquer formação e conhecimento das ciências exatas, sinto-me frequentemente mais ligados aos matemáticos do que aos meus próprios colegas de profissão." (ESCHER, 2004, p. 6).

Pra quem quiser saber um pouco sobre a vida e obra de Escher:

http://www.educ.fc.ul.pt/docentes/opombo/seminario/escher/

http://www.frasario.com.br/frases-e-pensamentos-de-maurits-cornelis-escher.html

A seguir alguns dos trabalhos mais interessantes.

Capitalização continua

2011-03-20T11:54:00.000-07:00

Independente da formação: administração, economia, ciencias exatas, etc) o calculo de juros é um dos assuntos da matemática mais conhecido por todos. Juros simples e compostos são frequentemente estudados em cursos de matemática financeira. A capitalização do dinheiro através de juros compostos chega a ser fascinante a um estudante de ensino médio, é possível mostrar a eles o crescimento em progressão geométrica do juros pagos por período ou o crescimento exponencial do montante devedor.

Exemplo 1

Uma taxa $i=0.1$ ao mês composta ao longo de um ano resulta em uma capitalização com taxa anual equivalente de $j=2.45$. De fato, $(1+i)^{12} = (1+j)$. A cada mês o montante do mês anterior é multiplicado pelo fator constante $(1+i)$ e o montante $C_{n}$ em função do capital inicial $C_{0}$, o numero de períodos capitalizados e a taxa de juros $i$ pode ser escrito como $C_{n} = C_{0} (1+i)^{n}$.

A capitalização do capital é o momento em que aplicamos a taxa de juros sobre o montante devedor, a capitalização pode ocorrer em tempos discretos (ao dia, ao mês, ao ano) ou ocorrer continuamente no tempo. Precisamente, a capitalização discreta pode ser calculada da seguinte forma:

Exemplo 2

Seja um capital inicial de $C_{0}$ rendendo a uma taxa $i$ de juros anual por um período de $n$ anos capitalizado $k$ vezes ao ano. O montante após $n$ períodos de capitalização $C_{n}$ pode ser obtido pela expressão: $C_{n} = C_{0} (1 + \frac{i}{k})^{nk}$.

Quando $k=1$ temos a capitalização de juros compostos mais simples, quando taxa de juros está na mesma frequencia da capitalização. Observe que quanto maior $k$ maior o montante capitalizado. Veremos a seguir que esse crescimento converge, isto é, capitalizar continuamente não multiplicará o capital inicial por infinito, em verdade o fator multiplicador fica entre $2$ e $3$.

No exemplo acima temos que $n,k \in \mathbb{N}$ se fizermos $n,k \in \mathbb{R}$ e fizermos $k \rightarrow \infty$ obteremos uma capitalização instantânea do capital para uma taxa $r$.

Teorema

O montante $C_{n}:\mathbb{R} \rightarrow \mathbb{R}$ sobre um capital inicial $C_{0}$ capitalizado continualmente ao longo do tempo a uma taxa $i$ ao longo do tempo $n>0$ é dado por $C_{n} = C_{0} e^{ni}$.

Prova:

Aplicando o limite quando $k \rightarrow \infty$ em $C_{n} = C_{0} (1 + i)^{nk}$ temos:

$$C_{n} = \lim_{k \rightarrow + \infty} C_{0} (1 + \frac{i}{k})^{nk}$$

$$= C_{0} \lim_{k \rightarrow + \infty}(1 + \frac{i}{k})^{nk}$$

Fazendo a mudança de variável $j=\frac{k}{i}$ temos $k \rightarrow \infty \Rightarrow j \rightarrow \infty$ e $k=\frac{j}{i}$. Temos então:

$$ C_{n} = C_{0} \lim_{k \rightarrow + \infty}(1 + \frac{i}{k})^{nk}$$

$$= C_{0} \lim_{j \rightarrow + \infty}(1 + \frac{1}{j})^{nji} = C_{0} (\lim_{j \rightarrow + \infty}(1 + \frac{1}{j})^{j})^{ni}$$

Lembrando que $\lim_{j \rightarrow + \infty}(1 + \frac{1}{j})^{j} = e$ obtemos $C_{n} = C_{0} e^{ni}$.

O valor da taxa instantânea $i$ pode ser deduzido a partir da seguinte igualdade: $C_{0} (1+r)^{n} = C_{n} = C_{0} e^{ni} \Rightarrow i = ln(1+r)$

Demonstração do limite fundamental exponencial

Existe uma prova do limite fundamental que gostaria de compartilhar com vocês. Essa prova usa apenas a definição de derivada. Suponhamos que exista um número $e$ que desconhecemos seu valor, vamos provar que esse número existe e resulta de um limite.

Vamos definir a função $ln$ como sendo o logaritmo na base $e$. Seja a função $f:\mathbb{R}^{+} \rightarrow \mathbb{R}$ dada por $f(x) = ln(x)$. Logo $f'(x) = \frac{1}{x}$ e portanto $f'(1) = 1$.

Por outro lado sabemos que (definição de derivada):

$$ f'(x) = \lim_{t \rightarrow 0}\frac{f(x+t)-f(x)}{t} = \lim_{t \rightarrow 0}\frac{ln(x+t)-ln(x)}{t}$$

Logo,

$$ 1 = f'(1) = \lim_{t \rightarrow 0}\frac{ln(1+t)-ln(1)}{t} $$

$$= \lim_{t \rightarrow 0}\frac{ln(1+t)}{t} = \lim_{t \rightarrow 0}ln(1+t)^{\frac{1}{t}}$$

Exponenciando ambos lados da equação por $e$ e em seguida fazendo uma mudança de variável ($j = \frac{1}{t}$ logo se $j \rightarrow 0 \Rightarrow j \rightarrow \infty$) temos :

$$ e = \lim_{t \rightarrow 0}(1+t)^{\frac{1}{t}} = \lim_{j \rightarrow + \infty}(1+\frac{1}{j})^{j}$$

O número $e$ ou número de Euller é um número irracional que vale aproximadamente $2,718$ e pode ser calculado através da série de Taylor $\Sigma_{\infty}^{n=0} \frac{1}{n!}$.

Conclusões

O emprego de capitalização continua do capital pode maximizar o montante final. Quanto mais frequente as capitalizações maior o montante, observe no entanto que esse crescimento é convergente.

As aplicações de capitalização continua são tratadas muito superficialmente na literatura acadêmica da área financeira e a falta de esclarecimento sobre a matéria permite encobrir a realidade das práticas bancárias. Acredito que uma mudança do ponto de vista dos exemplos poderia resolver o problema, abordando situações bancárias do ponto de vista do banco e não somente do tomador de crédito ou do pequeno financiador.

Entenda a crise grega

2010-05-27T18:41:00.000-07:00

Como o meu co-orientador diz, nada como uma boa crise para aprender como funciona o mercado financeiro. A ultima oportunidade para entender os complicados e imprevisíveis comportamentos do mercado financeiro em crise havia sido a dois anos (em 2008 com a crise imobiliária norte americana). Eu sou sortudo, acabei de entrar no ramo e já tive o privilegio.

A seguir uma analise qualitativa da crise europeia, aos mais aficcionados por modelos aguardem, prometo vomitar equações e teorias complexas para explicar porque o Euro agora é conhecido pelo símbolo ao lado.

Era uma vez …

A historia começa na década passada, quando a Grécia gastou bem mais do que podia, pedindo empréstimos pesados e deixando sua economia refém da crescente dívida. Nesse período, os gastos públicos foram às alturas, e os salários do funcionalismo praticamente dobraram. Enquanto os cofres públicos eram esvaziados pelos gastos, a receita era atingida pela evasão de impostos.

As Agencias de Rating

Chega o dia em que o credor bate na porta e esse dia chegou para a Grécia. Em 2009 as contas do pais estavam no vermelho, com deficit orçamental de 13,6% do PIB e uma imagem frente aos investidores nada boa. Em 2010 a Grécia precisa refinanciar 50 bilhões de divida publica e os investidores vao cobrar caro por isso. Existem Agencia internacionais que com base em dados económicos de países e empresas fazem uma classificação de credito, sao as Agencias de Rating (Moodys, Standard & Poors, etc). Os investidores acreditam muito no trabalho dessas agencias e se baseiam nessas classificações para administrar os investimentos, comprar, vender e calcular o prémio (juros) das carteiras de investimento. Por exemplo, a Alemanha tem Rating (classificação) Aaa, a melhor atribuição de credito e paga um investimento um prémio de cerca de 4%. A Grecia, que actualmente caiu ao pior Rating de credito 'junk' (ou lixo em inglês) deve pagar pelo mesmo financiamento cerca de 10% de prémio. A Grecia estava sem saída, nao tinha como honrar os compromissos, nao obtinha credito e o calote parecia inevitável.

Lembra do FMI ?

A grecia 'pediu agua' no dia 23/04. Assumiu a situação que se encontrava e solicitou uma ajuda ao FMI (Fundo Monetario Internacional) e UE (Uniao Europeia). O plano de ajuda Europeu consistia basicamente de duas componentes: um empréstimo com juros fora de mercado (bem mais barato) e uma 'cartiha fiscal' que a grecia deveria seguir para conseguir efetuar o pagamento do empréstimo. Tudo tem um preco, e o preco pela algazarra grega na ultima década sera seguir a tal 'cartilha fiscal' que consiste resumidamente em gastar menos e arrecadar mais. Fechar a torneira no bom português. Houve uma série de protestos populares no país, alguns violentos.

As bolsas ao redor do mundo

Quando eu disse "uma oportunidade para entender os complicados e imprevisíveis comportamentos do mercado financeiro em crise" eu falava serio. O mercado em crise é capaz de colocar qualquer modelo matemático, estatístico, económico de joelhos. Clemencia ! Qual o comportamento do mercado ? Pra onde vai o Dolar ? E o Euro ? Como ficam as minhas acoes PETR4 ? E preciso observar, levantar hipóteses, alguns experimentos. Os físicos sabem muito bem do que estamos falando. Os padrões estão escondidos, os modelos precisam de parâmetros, e as pessoas precisam de informação para tomarem as decisões certas. O comportamento e humano e a tarefa nao sera fácil. Ibovespa, DownJones, Nasdaq, DAX sucumbiram. O Euro virou 'banana'.

Existem outras economias enfraquecidas na UE, ultrapassar o limite imposto pela UE de 3% do PIB para a divida publica nao e exclusividade da Grecia. Portugal, Espanha (11,2%), Irlanda (14,3%), Italia (5,4%) ficaram sob suspeita e tiveram Ratings reavaliados recentemente. A moeda comum desvalorizada prejudica outros país da UE, imagine que a Alemanha tenha que efetuar um pagamento amanha em dólar, com o Euro desvalorizado esse pagamento vai pode ser inviável, em economias mais enfraquecidas esse pagamento pode se tornar um Default (calote).

Hoje

Os mercados ainda operam no vermelho, a Bovespa acumula perda no mês, o Euro ainda nao esboçou uma reacao definitiva mas o plano da UE foi aceito pela Grécia e no dia 19/05 a Grécia ja havia recebido a primeira das três parcelas do empréstimo e pode honrar um dos compromissos do ano enfim esfriar os ânimos do mercado. A Alemanha numa tentativa isolada de conter a crise proibiu vendas a descoberto (modalidade de negociação em que alguém vende algum ativo financeiro ou derivativo que não possui, esperando que seu preço caia para então comprá-lo e lucrar na transação). A previsão dos analistas e de que o mercado se reequilibre num horizonte próximo.

No Brasil

O Brasil vivia um momento muito positivo antes da crise, a estimativa de 5,5% de crescimento da economia vinha sendo constantemente batida com valores próximos a 7%, o mercado estava tao aquecido que o COPOM (comité de política monetária) ajustou o juros para cima numa tentativa de conter um crescimento descontrolado e com inflação. A Crise afetou o mercado brasileiro, o IBovespa caiu mas por enquanto as estimativas de crescimento mantêm os números pre crise. O impacto dessa crise para os brasileiros em geral poderia ser percebida como a falta de credito do mercado, o aumento dos juros em empréstimos e financiamentos ou mesmo o encarecimento de produtos importados uma vez a crise pode afetar a balança económica e a cotação da moeda.

Inspiração para escrever artigos

2010-05-26T06:55:00.000-07:00

Precisando de uma inspiração para escrever artigos ? O Prof Smith sabe como inspirar seus alunos ... kkk

Uma colher de chá pra quem não sabe inglês:

Prof Smith: Antes de terminar nossa reunião, existe uma chamada de artigos para congressos em Steubenville (cidade americana do estado de Ohio) ...

Aluno 1: Hum, sei não prof Smith ...

Aluno 2: Tenho muito trabalho pra fazer ...

Aluno 1: Não tenho um resultado final significativo ...

Aluno 2: Preciso de mais dados

Prof Smith: Ok, bem ... existe uma outra chamada de artigos para um congresso no Havai (ilha americana conhecida por belas praias) ...

Aluno 1: Quem precisa de resultados significativos ?

Aluno 2: Ninguém disse que tem que ser dados experimentais ...

Aluno 3: Não existe congresso nenhum no Havai né Prof Smith ?

Prof Smith: Droga, eu te ensinei demais Slackenerny (Aluno 3) !

Credit Metrics

2010-05-07T19:57:00.000-07:00

Modelos de risco de crédito - Parte 2

2010-05-02T10:09:00.001-07:00

Dentre os modelos de Risco de Credito apresentados na Parte-1, os modelos que mais trabalhei foram os baseados em Ratings, dadas as facilidades de encontrar os valores de Ratings das agências e o forte apelo lógico estes modelos tem grande aceitação no mercado financeiro.

A seguir apresento mais alguns modelos de cálculo de Risco de Credito, chamados modelos modernos estes tem uma modelagem matemática estatística mais elaborada como vocês verão.

Modelos modernos

Os modelos modernos de mensuração de risco podem ser mapeados em dois ramos principais da literatura acadêmica de economia: modelos escruturais baseados na precificação de opções (introduzidos por Merton) e os chamados modelos reduzidos que utilizam métodos de intensidade de ocorrência de default com movimentos estocásticos (intensity-based models - associados a probabilidade de ocorrência de um evento). O objetivo principal de ambas as metodologias é obter a PD.

O Modelo de Merton (1974)

Modela o valor de uma empresa alavancada como uma opção de call sobre os ativos da empresa com preço de strike igual ao débito da firma e vencimento equivalente ao vencimento das obrigações da mesma. Se neste vencimento o valor de mercado da firma for maior que suas obrigações, os shareholders irão exercer a opçao e "recomprar" os ativos da empresa por repagar a dívida. Por outro lado, se o preço dos ativos da firma for menor que a dívida então a opçao vai a pó e os shareholders entrarão de default. A PD é simplesmente a probabilidade (assumindo que a distribuição das variações do valor dos ativos da firma têm uma distribuição log-normal, semelhante ao modelo de B-S) de que a opção irá vencer fora do dinheiro. Um parâmetro importante nesta avaliação é a "Distância do Default" (DD), que é o número de desvios-padrões entre o valor dos ativos e das dívidas dados pelo desvio-padrão dos valores dos ativos.

1. Modelos estruturais

Exemplos: Credit Manager da KMV e RiskCalc da Moody's

Características: São baseados nos modelos teóricos de precificação de opção de Merton (1974). Modela o processo econômico que leva ao default. Vêm o evento de default como um processo de deterioração do valor dos ativos da empresa (exceto nos modelos de "difusão com saltos"). Método KMV, por exemplo, estima uma PD empírica a partir da DD usando o histórico de defaults. Por exemplo, em média 1% das empresas com DD = 4 entram em default.

Vantagens: Como as PD são obtidas dos valores dos valores dos ativos, método é sensível a variações nas condições de mercado da empresa. Image:Example2.jpg(Figura slide 14).
Desvantagens: Dificuldade de se obter o valor total dos ativos da empresa e sua volatilidade. Para empresas de captial fechado, é feita uma aproximação utilizando-se EBITDA da empresa e comparando com o EBITDA da indústria na qual a empresa está inserida. O problema desta aproximação é que ela usa valores contábeis enquanto que o correto seria usar valores de mercado. Modelos de estrutura a termo (empíricos) nem sempre capturam o processo "real" de degradação do spread de crédito (PD tendendo a zero com o tempo).

2. Modelos intensity-based

Exemplos: Loan Analysis System da KPMG e Risck Manager de Kamakura
Características: Modelam a probabilidade de default como um point process, isto é, um modelo associado a um processo de Wiener. Decompõe o risco de crédito de modo a estimar a intensidade dos processos aleatórios que estão por trás de um default. Para isso, utilizam as observações dos spreads de crétido decompondo-as em dívidas passiveis de default para obter a PD e LGD. Modelos tipicamente empírico. É necessário alguma hipótese de trabalho para calcular a PD e o LGD. Por exemplo, alguns modelos assumem que a "taxa de recuperação" (fração do valor de face da obrigação que pode ser reavido em caso de default) é uma função conhecida. Outros autores utilizam funções arbitrárias para estabelecer relação entre o processo estocástico que determina os spreads e a taxa livre de risco. Outros parametrizam a PD e a LGD por variáveis de estado econômicas ou ainda podem usar os valores de mercado da empresa e suas dívidas para fazê-lo. O processo de default nestas modelagens ocorre como uma evento rápido e inesperado modelado por um processo de Poisson.

Vantagens: Obtêm spreads de crétido mais realísticos do que modelos estruturais. Por observarem o mercado, são mais capazes de refletir estruturas complexas de risco.
Desvantagens: Modelos não possuem embasalmente econômico, pois somente modelam os comportamentos do default (point process). Baseados principalmente nas observações dos spreads praticados, o que intruduz uma série de inconsistência devido a problemas de liquidez (devido a praça de negociação, senioridade dos ativos, etc.). Assim, se as taxas para precificação dos créditos modelados forem decompostos somente em taxa livre de risco + spread, estaremos superestimando o risco de crédito visto que juntamente com estes, os preços dos ativos geralmente incluem um prêmio pela liquidez (ver método de Kamakura).

3. Modelos de VaR (Value at Risk) de crédito

São exemplos de modelos de Value at Risk: CreditMetrics e Algorithmics Mark-to-Future. Esses modelos utilizam métodos muito semelhantes à tecnologia utilizada para medidas de de risco de mercado. São modelos Mark-to-Market (e não DM). Uma vez que as PD são obtidas, cada empréstimo pode ser precificado (Monte Carlo ou funções analíticas), permitindo construir distribuições de perdas e obter o VaR. O VaR calcula o nível de perdas dado um nível de probablidade. Um VaR de 99% de $100 milhões denota que exista 99% de chances que as perdas devido ao crédito serão de $100 MM ou menos, ou ainda, que exista 1% de chande das perdas serem de $100 MM ou mais.

3.1 CreditMetrics

características: CreditMetrics modela a PD utilizando os dados históricos de créditos (empresas) semelhantes. O método tem por base a Matriz de Migração, que representa a probabilidade de deterioração (ou upgrade) da qualidade de crédito de emissores dentro de um determinado segmento para um dado horizonte de crédito. Além da matriz, é necessário obter as curvas de juros+spread para cada classificação da matriz. Geralmente utilizam-se dados de agências externas de classificação de risco como fonte das probabilidade de transição e das curvas de spread. Uma vez que, para cada empréstimo pode ser atribuída uma precificação e uma probablidade (para cada cenário de transição), obtem-se a distriuição dos valores do empréstimo e a mesma tecnologia de VaR é utilizada como usualmente.

Vantagens: Versátil e pode englobar diferentes modelos por base.

Desvantagens: Assume-se que os spreads de crédito sejam determinísticos. Isso faz com que projeções de VaR para derivativos de crédito sejam incorretas (default pode advir de variações nas próprias taxas). Não possuir modelo interno próprio, sendo dependente de outras modelagens ou de dados de agencias externas. Questão dos cálculos da correlação para portfólios de crédito. Sem as devidas correlações, cálculos do VaR são incorretos para a soma de diversos títulos de crédito.

3.2 Algorithmics Mark-to-Future

Características: O modelo Algorithmics Mark-to-Future (MtF) procura unificar riscos de mercado, risco de crédito e risco de liquidez. Fortemente fundamentado sobre o modelo de Merton, o MtF usa como hipótese de que uma fronteira para o valor de mercado da empresa pode ser calculada a partir de sua classificação de rating. Um índice para a qualidade de crédito é montada de modo que quando o índice do empréstimo atinge o "indice limite" a empresa entra em default. O MtF assume que o índece segue um processo de Wiener (são simulados diversos cenários para cada fator de risco, geralmente por métodos Monte Carlo). O VaR é obtido do conjunto destes cenários simulados.

Vantagens: Não decompóe o risco em crédito, mercado etc., o que faz com o que as estimativas de perda todal de portfólios seja mais acurada. MtF procura englobar todas as fontes de risco, de modo que a integração entre risco de crédito e de mercado é natural. Autores argumentam que, de fato, os fatores de risco e crédito são sensíveis as variações associadas ao risco de mercado.

Desvantagens: Computacionalmente muito complexo e dispendioso. Envolve um número muito grande de parâmetros de mercado.

Comparação: casamento x doutorado

2010-03-26T09:14:00.000-07:00

Modelos de risco de crédito - Parte 1

2010-03-24T17:32:00.000-07:00

"O Risco de crédito (Credit risk) é a probabilidade de uma empresa ou Estado que emite instrumentos de dívida não pagar os juros devidos ou reembolsar o capital aplicado".

Definição segundo THINK FN

O mercado de crédito, na maior parte dos países, geralmente, é várias vezes maior que o mercado de ações. No entanto, é de longe menos transparente e mais complexo. Além disso, o mercado de crédito é caracterizado por negócios de balcão e não são ativamente negociados em sua maioria - o problema da liquidez (excessão para emissões como debênturs, CRIs, etc.). Isso gera spreads maiores que seriam obtidos por modelos teóricos e empíricos, o que dificulta sua análise. Tendo isso em mente, faremos aqui um estudo de epistemologia do Risco de Crédito. Cada modelo abaixo está listado, de modo rudimentar, em ordem cronológica de maior utilização pelas instituições financeiras internacionais e/ou ordem de complexidade e melhor acurácia de resultados.

Modelos tradicionais

Métodos para a determinação da probabilidade de default (PD). Não se concentra em encontrar estimativas de perdas (LGD, loss given defaut). Para esses métodos, "fracasso" sigifica apenas: falência, default, etc. Eles são chamados de modelos DM (Default Mode), pois ignoram consequências de degradações (ou upgrades) na qualidade de crédito (ou classificação) - o que fazerm os modelos chamados de MtM.

1.Sistemas de experts

Exemplos: Banqueiros tradicionais ("pré-história dos bancos").

Caracterísitcas: Avaliação humana baseada nos 5 C's: Caráter (reputação), Capital (alavancagem), Capacidade (volatilidade na receita), Colateralização (disposições dos contratos) e Condições Cíclicas (macroeconomia).

Vantagens: Mínimas; mas deu origem ao modelos de redes neurais.

Desvantagens: Critérios subjetivos e sem atribuir esquemas de pesos a cada um dos critérios.

2. Sistemas de redes neurais

Exemplos: Idem acima.

Características: Sistema de pesos (importâncias) são utilizados para parametrizar os inputs (e.g. os 5 C's). Um banco de dados com o histórico de defaults relacionado aos parâmetros de entrada "treinam" a rede que irá responder com uma PD para cada novo conjunto de parâmetros.

Vantagens: Substituir subjetividade humana. Automatizar e sistematizar previsões de default.

Desvantagens: Previsões tornam-se enviesadas para o banco de dados com o tempo. O número de conexões entre os parâmetro (e o sistema de pesos) podem se tornar computacionalmente proibitivo. Falta de transparência na metodologia (caixa-preta) o que faz com que modelo não possa ser validado até seu uso na prática.

3. Sistemas de Rating

Exemplos: Agências de classificação (Moody's, S&P, etc.), ratings internos de bancos, acordos de Basiléia, circular 2682.

Características: Baseados nos históricos dos empréstimos e emissões. Os critérios podem ser unidimencionais, ou seja, para cada intervalo de PD associa-se um rating. Ou bidimencional, onde o rating é associado levando em conta a PD e a perda estimada LGD.

Vantagens: Homogeiniza classificações de crédito (nos casos dos acordos e circulares).

Desvantagens: Dificuldade de obtenção de estimativas de LGD fazendo com que, na maior parte dos casos, bancos prefiram classificações unidimencionais pois têm mais acesso às PD.

4. Modelos de Credit Scoring

Exemplos: Modelos internos de instituições financeiras (mais atualmente)

Caracterísitcas: Modelo mais comum de medida de crédito até a década de 90, onde cerca de 97% dos bancos usavam scoring para aprovação de cartões de crédito e 70% deles usavam para empréstimos a pequenas empresas. Existem diferentes métodos para se fazer o scorigns: Modelos de probabilidade linar; modelos logit e probit (modelos baseados em métodos de máxima verossimilhanças em variáveis binárias - default ou não default); e modelos de análise de discriminantes múltiplos (método estatístico que realizam segregação de mercado, isto é, que melhor separa uma amostra dados um critério em relação a um conjunto de parâmetros, renda, idade, endereço, etc. Para cada conjunto de dados de um requisitante de crédito uma pontuação Z é atribuída, o crédito é concedido dependendo do histórico. Para cada valor Z também pode ser atribuído uma PD. As principais caracteísticas usadas pelas instituições financeiras ao redor do mundo para diferenciar entre default e não-default são medidas (razões) relacionadas a lucratividade, alavancagem e liquidez.

Vantagens: São baratos para serem implantados, facilmente implementados pelas instituições financeiras (que possuem todos os dados necessários) e possue forte apelo "lógico".

Desvantagens: Dados necessários nem sempre são acessíveis se não à instituição financeira. Modelos assumem linearidade entre as relações entre os parâmetros. Além disso parâmetros são geralmente baseados em valores contábeis (EBIT, obrigações, etc.) e não valores de mercado. Parâmetros utilizados são empriricamente testados e possuem pouco/nenhum embasamento econômico.

A Matemática do Risco

2010-03-23T15:54:00.000-07:00

Caros leitores,

Dentro do assunto: Matemática Aplicada à finanças, os modelos de cálculo de risco merecem uma atenção especial.

Conhecemos muito bem o conceito de risco no dia - dia. Sabemos avaliar e aceitar ou não níveis de risco.

No mundo financeiro o cálculo de risco pode ser definido como a tentativa de se medir o grau de incerteza na obtenção do retorno esperado em uma determinada aplicação financeira ou investimento realizado. Os investimentos podem ser classificados como de baixo, médio e alto risco.

Geralmente, investimentos de baixo risco apresentam um maior nível de segurança ao investidor, mas em contrapartida costumam ter um retorno menor. Investimentos de alto risco, por outro lado, podem trazer um retorno mais alto, mas com um grau muito maior de incerteza, podendo até mesmo trazer prejuízos aos investidores.

Como dito geralmente, isto é, não existe uma prova real de que alto risco implica em alto retorno financeiro ou que pequenas exposições não alcancem bons resultados (aliás as empresas buscam exatamente isso, baixo risco e alto retorno).

Alguns tipos de risco que merecem destaque: o Risco de Mercado, o Risco de Crédito e o Risco Operacional. Pretendo nos posts seguintes fazer uma análise conceitual abrangente de cada tipo de risco e uma breve exposição matemática sobre os cálculos usando apenas um pouco de probabilidade e cálculo diferencial.

Matemática Aplicada à Finanças

2010-02-24T09:27:00.000-08:00

Olá leitores,

Estive um tempo ausente por diversos motivos: fim da graduação e ínicio do mestrado foram os principais. Sim, agora sou oficialmente Bacharel em Matemática Aplicada pela USP (salve salve).

Quando eu entrei na universidade eu já sabia que se dependesse somente da minha vontade eu seguiria carreira científica, e foi exatamente o que ocorreu. Durante a graduação eu fiz três Iniciações Científicas (em Computação Científica e Matemática) e dessa forma potencializei a minha vontade de ser pesquisador. Após cinco anos fui aprovado em todos os processos seletivos de mestrado que disputei: escolhi fazer Mestrado em Engenharia de Produção no ITA.

Hoje, na véspera de iniciar as minhas aulas no mestrado confesso que estou ansioso e muito disposto a superar qualquer dificuldade para desenvolver minha carreira como pesquisador. Atualmente estou estudando modelos matemáticos de suporte a decisão, um pouco de finanças e econometria (que nada mais é do que estatística aplicada à economia).

Para finalizar esse post eu vou colar um texto do prefácio de um livro que estou estudando e serve de motivação para quem é formado em matemática e tem interesse em atuar na área financeira.

"O uso de modelos matemáticos no planejamento e gestão de carteiras de investimento vem se tornando cada vez mais evidente na área financeira. Isso se deve em parte à crescente preocupação com o desempenho de fundos de ativos financeiros de risco em um mercado integrado e altamente competitivo, sob grande influência de fatores externos e de difícil controle. A globalização e o desenvolvimento tecnológico proporcionam um enorme fluxo diário de informações, que deve ser rapidamente processado para auxiliar os gestores de fundos financeiros na tomada de suas decisões, tornando cada vez mais relevante o uso de ferramentas estatísticas e de otimização no planejamento e na gestão financeira."

Estudos aos domingos.

2009-12-06T07:14:00.001-08:00

E como hoje é Domingo, ai vai uma charge que achei na internet sobre a vida acadêmica:

Geek's Annonymous

2009-12-05T13:39:00.000-08:00

Depois de um semestre complicado ... Nada melhor do que uma terapia de humor.

Algumas dicas no processo de estudo e pesquisa

2009-12-04T18:42:00.000-08:00

Olá Leitores, hoje compartilho com vocês um texto muito interessante que lí na Revista Horizontes da SBC.

Escrito por Raimundo da Silva Barreto

Há vários artigos que falam sobre metodologias de desenvolvimento de pesquisa científica, como fazer revisão bibliográfica sistemática, como realizar experimentos, como escrever artigos científicos, como escrever uma tese, dentre outros. Sem dúvida alguma esses artigos são importantíssimos. Este artigo, entretanto, visa prover outras informações e dicas que considero valiosas sobre como proceder no dia-a-dia do processo de estudo e pesquisa. Todas essas dicas foram tiradas do meu cotidiano como professor e pesquisador.

Horário de Trabalho

Se você é estudante de graduação, fazendo iniciação científica ou não, mestrado ou doutorado, você tem que dar conta de diversas tarefas. Por isso precisamos ter um horário de trabalho. Mas é de trabalho mesmo! Nesse horário você vai focar só nas tarefas. Nesse contexto, não estou preocupado se você diz que vai trabalhar duas ou dez horas por dia, o mais importante é que nesse horário você vai estar completamente dedicado ao trabalho. Portanto, você vai desligar o notificador do gmail, google talk, MSN, twitter, etc. Não tenho nada contra essas aplicações, só que tudo tem o seu tempo certo. Se você quiser ter acesso a essas aplicações, chegue uma hora antes do teu horário de trabalho. Você já parou para pensar em quanto tempo desperdiçamos com todas essas distrações? Depois do horário de trabalho, que foi estabelecido por você mesmo, você pode fazer o que quiser.

Planejamento

Planejamento é importantíssimo. A cada dia estabeleça três tarefas que você gostaria de concluir e trabalhe com afinco para tal. Muitas vezes não vai dar para concluir todas as tarefas. Mas esse é que é o bom do planejamento, ou seja, pelo menos você sabe aonde quer chegar. Já ouviram aquele dito popular que diz: “Quem não sabe aonde quer chegar, qualquer lugar está bom”. Às vezes temos tantas tarefas para fazer que entramos em parafuso e acabamos não fazendo nenhuma delas. Só que isso (não fazer algo) não vai acontecer se você se planejar para aquele dia. Vale à pena notar que o plano de um dia não necessariamente é o mesmo para o dia seguinte. As demandas mudam e as prioridades também. É claro que pode surgir algo inesperado e urgente. Temos que estar preparados para isso também. Outra dica: anote todas as tuas pendências em uma agenda e mantenha a agenda próxima de você.

Escrita

Algumas coisas não têm jeito. Se você estuda ou pesquisa, mais cedo ou mais tarde, você vai ter que escrever suas idéias e seus resultados. Não tem como esgotar esse assunto em um pequeno artigo como este, mas as dez dicas abaixo podem ser usadas como um guia rápido. Segundo o prof. Paulo Maciel, meu orientador de doutorado, os professores gastam a maior parte do tempo revisando gramática e clareza do que os aspectos técnicos em si. Texto científico tem que ser simples, claro e direto. Entretanto, ao contrário do que parece, ser simples e direto não é uma tarefa fácil para muitos. As dicas são: (1) Defina o propósito do seu texto; (2) Defina para quem você está escrevendo; (3) Planeje a estrutura do documento; (4) Escreva de forma clara, sucinta e direta ao ponto; (5) Use palavras que sejam familiares ao leitor; (6) Use voz ativa, ao invés da voz passiva; (7) Evite redundâncias exageradas; (8) Leia em voz alta o que você escreveu; (9) Peça para alguém ler e avaliar o seu texto; e (10) Explique os termos específicos, que podem não ser do conhecimento dos leitores em geral.

Prêmios

No meu doutorado, eu brincava com os colegas chamando cada tarefa da minha tese de “dragão”. O meu objetivo era a cada dia “matar” pelo menos um “dragão”. Para não ser tão rigoroso, e quebrar um pouco a rotina, você pode se dar prêmios sempre que conseguir “matar” algum “dragão”, quer dizer, quando você consegue atingir algum objetivo ou tarefa que você julgue importante. Esse prêmio pode ser meia-hora acessando twitter, MSN, Google talk, YouTube, sites de notícias, ou até mesmo voltar mais cedo para casa.

Encarar o Problema

Às vezes temos a tendência de querer “fugir” do problema e ficamos arrumando tarefas “mais prioritárias” para fazer. Mas um dia, mais cedo ou mais tarde, vamos ter que encará-lo frente a frente. Por exemplo, se você é estudante de mestrado, não tem como, você vai ter que defender a sua proposta de dissertação. Há tarefas que são tediosas. Mas não tem jeito. Não adianta tentar se esquivar.

Desopilar

Esta palavra pode ser desconhecida da maioria de vocês. Mas no dicionário Aurélio desopilar quer dizer “aliviar”. Desopilar é fazer outra coisa para “aliviar” o estresse do dia-a-dia. Alguns buscam outra atividade como, por exemplo, fazer aulas de Tai Chi Chuan, outros dança, outros fazem alguma obra de arte (já tive alunos que faziam aulas de cerâmica), outros buscam ser voluntários em alguma ONG, serviços religiosos, ler um bom livro, música, caminhar, correr, malhar, comer sanduíche ou pizza com os amigos, ir à praia (em Manaus é difícil, mas não impossível), ir a uma praça tomar sorvete, jogar conversa fora, dormir, namorar, cinema, TV, dar atenção para os filhos, enfim, há diversas possibilidades. O principal é fazer algo diferente. Senão ninguém aguenta. Eu, por exemplo, tive boas idéias (tanto no mestrado quanto no doutorado) quando estava caminhando. No mestrado, tinha um grupo de estudantes que toda a quinta-feira saía. Eles chamavam de “Quinta Feliz” e a idéia seria conhecer todos os bares de Belo Horizonte. Tarefa muito difícil é bem verdade, mas isso era só uma desculpa para estar juntos e falar de outras situações que não fosse trabalho. Algo que é muito importante: enquanto estiver desopilando, tente parar de pensar em trabalho.

Descanso

Dormir e/ou descansar é essencial. A Bíblia diz que Deus, após criar os céus e a terra, no sétimo dia descansou de seu trabalho. Uma mente cansada não consegue fazer muita coisa. É enganoso pensar que se pode absorver muito estudando 18h por dia. Mas acredito piamente que se você estudar 2h (bem focado) é suficiente para você aprender.

Manter o Padrão

Outro aspecto é manter o padrão. Se você estabeleceu que vai estudar duas horas por dia, faça isso regularmente todos os dias. Chovendo ou fazendo sol. Não se permita a exceção. Algo que tenho percebido nos meus 16 anos de docência é que os alunos deixam para estudar, ou fazer os trabalhos, só em cima da hora. O ideal é que se estude antes, bem próximo de quando o professor ensinou. Esse é o momento em que o conteúdo estará mais fresco na mente. Eu já tive um aluno que eu passava trabalho para entregar em duas semanas, mas ele entregava três dias depois. Acho que ele entendeu que fazer logo é mais produtivo. Hoje esse aluno está fazendo doutorado em Southampton, uma das melhores universidades da Inglaterra.

Pontualidade

Outro detalhe é ser pontual. Se for marcado um compromisso, quem marcou pode até esquecer, mas no dia “D” você tem que estar com tudo preparado. Tenho percebido muitos “esquecimentos” quando passo tarefas para alguns alunos. E o pior é que eles nem dão satisfação. Ficar lembrando é outra opção, mas é muito chato. Promessa tem que ser dívida. Prometeu, tem que cumprir!

Concluindo

Estas são idéias gerais. Obviamente que pode haver adaptações e ajustes. Cada caso é um caso. Mas tente reduzir ao máximo as distrações do dia-a-dia, como por exemplo, Google talk e MSN. Planeje o que fazer naquele dia. No dia seguinte, refaça o planejamento. Tente pelo menos matar um “dragão” por dia. Encare sempre o problema frente a frente, nunca fuja dele. Escreva de forma clara, simples e direta. Pode parecer inconcebível que um orientador diga o que se segue, mas não se dedique exclusivamente ao trabalho de estudo e pesquisa, mas busque fazer outra atividade para desopilar o estresse do trabalho. Divirta-se! Descanse! Mas mantenham o foco nas horas de trabalho. Seja pontual com os teus compromissos. Promessa é dívida!

Tenho passado essas dicas para os meus alunos e os resultados têm sido excelentes. Faça um teste você mesmo e depois escreva um artigo para a SBC Horizontes contando o teu sucesso ou fracasso na aplicação das dicas deste artigo.

Materiais indicados

BARONI, Larissa Leiros. Não Deixe a Crise Abalar sua Carreira: Gestores e Profissionais Contam Quais os Dez Erros Fatais Nessa Hora. Universia. Disponível no site: http://www.universia.com.br/ carreira/materia.jsp?materia=17657

BEVILACQUA, Mariana. Formato e Tema de TCC Ajudam na Vida Profissional. Universia. Disponível no site: http://www.universia.com.br/universitario/materia.jsp?materia=17564.

FREITAS, Maria Ester. Viva a Tese: Um Guia de Sobrevivência. 2ª. Edição. FGV Editora. 2002.

PHILLIPS, Estelle e PUGH, Derek. How to Get a PhD. Open University Press. 4a. Edição. 2005.

SANTOS, Gisele do Rocio, MOLINA, Nilcemara Leal e DIAS, Vanda Fattori. Orientações e Dicas Práticas para Trabalhos Acadêmicos. Editora IBPEX. 2007.

VIEIRA, Sonia. Como Escrever uma Tese. 6ª. Edição. Editora Atlas. 2008

Sobre o Autor

Raimundo da Silva Barreto é graduado em Computação pelo DCC/UFAM (1991). Mestrado e Doutorado em Ciência da Computação pelo DCC/UFMG (1997) e CIn/UFPE (2005), respectivamente. Atualmente é professor Adjunto do DCC/UFAM, coordenador do Programa de Pós-Graduação em Informática da UFAM e bolsista de Produtividade em Pesquisa do CNPq. É membro da SBC.

Em breve

2009-11-20T09:52:00.000-08:00

Olá leitores do Blog do NEMO,

Fim do semestre, fim da graduação e início de Mestrado. Esse é o período que me encontro, desculpem a falta de posts mas aguardem que em breve voltarei a publicar.

Abraços !

Porque ser um cientista ?

2009-10-08T16:15:00.000-07:00

Esses dias estive pensando filosoficamente a cerca das escolhas que fazemos na vida. Porque fazemos o que fazemos ? Porque escolhemos ser um cientista ? Porque ser matemático ?

Eu sei que essa pergunta já passou na cabeça de todos vocês umas dezenas de vezes e por isso acredito que a cada vez que respondemos essa pergunta encontramos novos argumentos e as respostas "senso comum" vão dando lugar a respostas mais maduras e interesssantes.

No Brasil, um país que não valoriza (tão quanto os europeus) a carreira de cientista, porque uma pessoa decide ingressar em uma carreira científica ? Ainda mais especificamente, porque ser Matemático ?

Fazendo uma busca na rede, encontrei algumas razões para ser um cientista.

Ser movido a desafios.
Conferências. Conhecer o mundo e ainda fazer uma carreira internacional.
Compreender alguns fundamentos da vida e do universo.
Ser pago para fazer algo que você realmente gosta de fazer.
Ter a liberdade de planejar e executar o seu trabalho (De fato, isso só poderá ser feito após o doutorado!)
As pessoas acreditam no que você diz (Eu sou um doutor)
Ser pago para pensar, planejar, inovar e fazer o que ainda não foi feito.
Você pode trabalhar em praticamente qualquer país do mundo, você pode escolher.

Para ser bem democrático eu pesquisei também quais são os argumentos usados pelas pessoas que nunca seriam um cientista. Como todo bom cientista não devemos fechar os olhos às criticas que se apresentam. Podemos usa-las para melhorar alguns comportamentos não é mesmo ?

Egos. A ciência atrai algumas pessoas estranhas, e você tem que trabalhar com eles.
Você pode passar semanas, meses ou até anos tentando em busca de um resultado e acabar com zero de resultado.
Estrutura das carreiras. Se você trabalha na academia você conhece esse longo caminho. O que vem depois do Pos-Doutorado ?
Falta de conhecimentos gerais. Depois do doutorado você encararia um vestibular novamente ?
Viver de bolsa em bolsa. De relatório em relatório.
Nenhum dos seus amigos não cientistas tem a menor idéia do que seu trabalho consiste.
Transitoriedade. Você trabalha em algum lugar por alguns anos e faz muitos amigos, em seguida, você muda-se para outra universidade. Você acaba com amigos por todo o mundo porém só os encontra nos congressos anuais.
Sua mãe/pai/avó pensam que você é um gênio (a menos que eles sejam cientistas também !)

Interessante os argumentos, não ? Se você conhece argumentos diferentes comente esse post. Aproveitando as novas ferramentas de comunicação na internet de forma útil, eu coloquei essa enquete em uma comunidade no Orkut chamada 'Matemática Avançada'. A seguir uma seleção com autoria de opniões interessantes sobre a pergunta: Porque ser matemático ?

"Já que não há incentivos econômicos, só resta a aptidão e o gosto pela matéria". (Roger)

"Fatores relevantes para a escolha do curso: ter certa facilidade com o que foi apresentado nos niveís anteriores (ens. fundamental e médio), gostar muito de matemática e após ter cursado Administração me senti altamente frustrado cognitivamente". (Ricardo)

"Alguns tem a habilidade de transformar os sofrimentos do caminho a ser percorrido no vício prazeroso da conquista mas não são todos que veem a matemática assim. Um professor certa vez me disse "Eu entrei em matemática aplicada e depois desisti !" eu perguntei o porquê e ele me disse "Eu não fui capaz de absorver a teoria e transformá-la em algo útil". (Gabriel)

"Acho que faz mais sentido a pergunta "por quê você gosta de matemática?" do que a pergunta "por quê escolher a profissão de matemático?", afinal é quase senso comum a resposta para a segunda questão: uma pessoa deve escolher sua profissão de acordo com o que ela gosta, suas capacidades, etc. Já a pergunta "por quê você gosta de matemática?" é mais interessante, porque a resposta varia (ou pelo menos deve variar) de pessoa para pessoa. Também acho interessante saber por quê escolhemos ser matemáticos ao invés de ser físicos, químicos ou engenheiros que, como disseram acima, têm profissões com bastantes pontos em comum com a profissão de matemático". (Pedro Henrique)

"Na matemática eu posso ter uma segurança que eu não posso em todo o resto da minha vida: de que eu estou certo, de que o que eu acabei de dizer ou concluir é uma verdade absoluta. Além disso, sou capaz de convencer muitas pessoas (meus colegas) disso (através de uma demonstração)." (Kisnney)

"Com a matemática eu tenho esse sentimento! Tenho vontade de resolver problemas, de aprender coisas novas porque eles estão ali, esperando que alguém às resolva... " (Luiz)

Algumas discussões paralelas ao tema surgiram, entre elas um tema muito interessante que eu pretendo abordar no próximo post.

Toda matemática produzida será aplicada no futuro ? O que é matemática aplicada ? Quais as motivações para desenvolver a matemática ?

Esse assunto é quente galera ! E eu espero comentários para o próximo post.

DOWNLOADS
One Hundred Reasons to be a Scientist [in english]
Algumas razões para ser um cientista [em português]
A Mathematician's Apology

Uma Breve História da Computação Gráfica (Parte Final)

2009-09-20T14:52:00.000-07:00

Finalmente chegamos na década de 90! A busca pelo realismo iniciada no fim da década de 80 continua. Muitas das grandes produções cinematográficas exigiram a criação de novas técnicas e possibilitaram o aprimoramento das já existentes, transformando filmes como "O Exterminador do Futuro 2", de 1992, "Jurassic Park", de 1993 e "O Máscara", de 1994, em obras-primas da computação gráfica. Abaixo o leitor pode verificar os trailers do Exterminador do Futuro 2 (a partir da metade aparecem vários efeitos especiais) e do Máscara.

Em 1992, foi lançado o OpenGL pela Silicon Graphics, uma API gráfica padrão de código aberto. Em 1994 saiu o primeiro seriado pra TV animado por computador, denominado "ReBoot". No ano seguinte, o primeiro longa-metragem totalmente produzido no computador chegou aos cinemas, o clássico "Toy Story". A partir de então, várias outras animações geradas no computador foram criadas, assim como outras grandes produções, incluindo a famosa cena do Neo desviando das balas em "Matrix", de 1999. Abaixo o leitor confere os trailers de Toy Story e do Matrix (diversos efeitos especiais no trailer inteiro, cena das balas a partir de 2:15).

Na década seguinte, com técnicas muito avançadas já desenvolvidas, deseja-se atingir o foto-realismo. Assim, foi feita uma primeira tentativa de produzir um filme completamente gerado no computador com o objetivo de parecer real em 2001, "Final Fantasy: The Spirits Within". Apesar das críticas em relação à história, a CG do filme é de primeira. Em 2002, o filme "O Senhor dos Anéis: As Duas Torres" introduziu Gollum, um personagem gerado no computador que parece extremamente real, fazendo os espectadores se esquecerem de que se trata de um ser virtual. Em 2007 é realizada outra tentativa de fazer um filme totalmente gerado por CG com o objetivo de parecer real, "Beowulf". Coloquei abaixo o trailer do Beowulf, pois o realismo impressiona.

Nesse meio tempo, em 2003, os filmes "Matrix Reloaded" e "Matrix Revolutions" introduziram atores virtuais para atuarem em cenas que seriam impossíveis para os atores de carne e osso. No entanto, os atores virtuais criados são tão realistas que a maioria dos espectadores nem sequer imagina que os mesmos não são de verdade. O leitor pode ver na figura abaixo as várias faces do agente Smith criadas por computador. Levanta-se, então, o questionamento se um dia os atores virtuais substituirão os de verdade.

As várias faces do agente Smith geradas por CG

Enquanto isso, no Japão, as tecnologias de computação gráfica são utilizadas para aprimorar a aparência dos desenhos animados. Em 2002, o anime chamado "Mobile Suit Gundam Seed" utilizou um tipo de renderização conhecida como Cel Shading, cujo resultado aparenta ser um desenho. Abaixo está o Infinite Justice, renderizado com esse recurso.

Modelo tridimensional do Infinite Justice renderizado com o Cel Shader de modo a parecer um desenho

Outra aplicação da CG são os jogos. Atualmente uma grande parte dos jogos é produzida com a intenção de que o resultado seja extremamente realista. Junto com a indústria cinematográfica, os jogos são responsáveis pelo incrível avanço tecnológico que a CG tem passado. O leitor confere abaixo um screenshot tirado do jogo Crysis.

Screenshot do jogo Crysis

E para finalizar, um pouco de arte digital da última década. Diversos recursos de CG são utilizados nessas obras, como fractais, sinais de ruídos ou gráficos de ondas de músicas. Um algoritmo utilizado para fazer um tipo de arte bastante interessante é o Line Art. Pontos são distribuídos ao longo dos objetos a serem renderizados, uma direção de traçado é escolhida e fórmulas matemáticas são aplicadas. Coloquei abaixo alguns exemplos de arte digital.

Pintura digital por Will Murai

Obra de Dennis Miller usando sinais de ruído

Line Art

Muito bem, caro leitor. É só isso. Espero que tenha gostado e até a próxima!

Links interessantes:
The Matrix Virtual Humans
Pseudo-realismo: a computação gráfica e o desafio do ator digital no cinema
Final Fantasy: The Spirits Within: A Case Study
Motion Capture
Cel Shading
Will Murai

Hitler bombou cálculo I

2009-09-03T03:33:00.000-07:00

Quem já teve aula com a Profa. Ires Dias ou com a Profa. Janete Crema sabe que elas bombaram Cálculo I e nem por isso abandonaram a faculdade. Reprovar cálculo I não está nos planos de quem ingressa na faculdade mas é uma realidade bem comum entre os USPianos de São Carlos.

Já houve os que montaram a chamada lista dos "cavaleiros do ICMC", e nela com certeza estariam nomes como Maria do Carmo, Cláudio Mendes, Valdir Menegatto entre outros.

Reprovar cálculo I não foi o fim do mundo para a Ires ou a Janete mas foi para Hitler. Confira com exclusividade a reação de Hitler ao saber a sua nota da P3.

Créditos do vídeo ByDarkSide

Observação: Como os alunos da Computação reclamam de "barriga cheia". Peron ? Pedro Rios ? Esses caras aí não entrariam nunca na lista dos cavaleiros do ICMC. Mas de fato, XUPA FEDERAL porque é muito coxa !

USP é a 38 no ranking mundial.

Uma Breve História da Computação Gráfica (Parte 2)

2009-08-31T11:31:00.000-07:00

Muito bem, caro leitor, continuando a história da CG, paramos em Alan Kay e sua interface gráfica. Enquanto trabalhava para a Xerox, ele desenvolveu a primeira interface gráfica para um monitor de varredura, que é o monitor de tubo tradicional usado até pouco tempo (eu ainda tenho um...). O computador que utilizou essa interface, denominado de Xerox Alto (por ter sido desenvolvido no Centro de Pesquisa da Xerox em Palo Alto), foi o primeiro protótipo de um computador pessoal, mas não foi comercializado. Os diretores da Xerox achavam que o produto era demasiado caro e não botaram fé. Abaixo o leitor pode ver uma foto do Xerox Alto (o monitor era em pé mesmo).

O Xerox Alto

Em 1971 surgiu o primeiro software de animação por quadro-chave, criado por Nestor Burtnyk e Marceli Wein, que gera quadros intermediários conforme a especificação das posições iniciais e finais dos objetos. Esse idéia é usada para criar animações em Flash. Juntamente com o software, surgiu o primeiro vídeo criado com o mesmo, chamado "Metadata", por Peter Foldes. Abaixo o leitor pode ver um trecho dessa animação.

Em 1974, Ed Catmull criou o algoritmo denominado Z-Buffer para desenhar rápida e corretamente superfícies de objetos mais à frente ou ao fundo, conforme seus posicionamentos. Esse algoritmo é muito usado em jogos (se você já jogou Counter Strike, já viu esse algoritmo rodando na prática). Ainda nessa década foram produzidos os primeiros filmes que utilizam CG: "Westworld" (1973), "Starwars: Episódio IV" (1977), e "Alien, o 8º Passageiro" (1979). No caso do Starwars, a CG foi usada para montar o esquema da estrela da morte. Abaixo o leitor pode ver a cena e o making of.

Na década de 80 apareceram os primeiros computadores comerciais utilizando interfaces gráficas (Apple Lisa, Macintosh, Amiga, Windows, entre outros) e em 1989 foi desenvolvida a primeira versão do Photoshop.

Nessa década foram feitos grandes avanços na área, principalmente pela Lucasfilm, incentivada pelo uso cada vez mais acentuado de CG nos filmes. É tanto algoritmo que ocuparia espaço demais só pra citar os nomes (o leitor pode conferir uma linha do tempo da CG no link ao final do post). No post anterior coloquei um vídeo do "Tron", um filme de 1982, clássico pela utilização de CG. Abaixo o leitor confere o trailer do filme "Looker", de 1981, em que aparece um 'personagem virtual' (a partir de 0:45 até 1:05 no vídeo), e a cena do 'efeito gênesis', do filme "Star Trek II - The Wrath of Khan", de 1983, em que o solo foi gerado por fractais.

E não só os filmes, mas também a TV passou a utilizar CG em comerciais e aberturas de programas. Em 1983 a Rede Globo desenvolveu uma tecnologia pioneira para a abertura do Fantástico. Além disso, em 1984 a banda Dire Straits produziu um videoclipe para a música "Money for Nothing" repleta de efeitos criados no computador e de personagens tridimensionais. Abaixo coloquei uma figura do famoso mascote da Michelin, criado em 1984, um logo das Olimpíadas de Inverno de 1984, e a abertura do Fantástico de 1983 (veja também o clipe do "Money for Nothing" aqui).

O mascote da Michelin e o logo das Olimpíadas de Inverno de 1984

Em 1986 a Pixar criou um curta de animação, "Luxo Jr.", para testar diversos efeitos de sombra e luz. Foi o primeiro curta de CG nomeado ao Oscar. Em 1988 a Pixar desenvolveu o RenderMan, o renderizador utilizado até hoje nas animações da Pixar, que é constantemente melhorado. Em 1989, o filme "O Segredo do Abismo" ganhou o Oscar na categoria de efeitos especiais por ser o primeiro filme com um personagem tridimensional convincente, na verdade, uma criatura aquática. Abaixo o leitor confere a animação da Pixar e o trailer do Segredo do Abismo, que mostra a criatura (1:32 do vídeo).

Por hoje é só. Espero que tenha gostado. Semana que vem tem mais.

Links interessantes:
História das Interfaces Gráficas
Linha do Tempo da CG
Linha do Tempo da CG em filmes