|
![]() 21/10/2021- Quinta-feira
14:00-14:50
Bernardo Pagnoncelli - (SKEMA Business School, Lille, França)
O algoritmo de Lane revisitado
Resumo: Em 1964, Kenneth Lane propôs um algoritmo para otimizar o planejamento da produção de uma mina a céu aberto com um mineral. A ideia geral é obter uma política de extração ao longo do tempo baseada no "grau de corte", usado para determinar se o material extraído deve ser processado, ou deve ser descartado. O algoritmo de Lane teve um impacto profundo na indústria de mineração e é usado em vários softwares comerciais, além de ser ensinado a todos os engenheiros de mineração. No entanto, o algoritmo é amplamente considerado uma heurística, e pouco se sabe sobre a qualidade das soluções que produz. Nesta palestra, vou discutir se o algoritmo tem ou não uma base matemática sólida, e vou mostrar experimentos em minas de larga escala, o que não foi feito na literatura. Finalmente, vou discutir extensões para minas com mais de um mineral.
Trabalho conjunto com Adriana Piazza (Universidad de Chile, Chile), Marcos Goycoolea e Patricio Lamas (Universidad Adolfo Ibáñez, Chile)
------------------------------------------------------------------------------------------
15:00-15:50 - Pedro H. Milet (XP Inc.)
O que faz um Quant em Finanças? Subtítulo: Uma rápida introdução à precificação de derivativos
Resumo: Um quant é um profissional, normalmente com formação em matemática, física, ou ciências correlatas, e que trabalha em uma das diversas áreas quantitativas do mercado financeiro. Uma das áreas que mais tem demanda por esse tipo de profissional é a precificação de derivativos, e esta palestra tem como objetivo introduzir alguns dos conceitos básicos dessa área, e no caminho mostrar por que existe essa demanda. Durante a palestra, vamos abordar alguns dos conceitos de precificação, com foco nos aspectos práticos que interessam aos quants que trabalham na área. Vamos falar sobre o conceito fundamental de não-arbitragem, que é a base de todos os argumentos. Vamos explorar alguns exemplos de precificação de derivativos, as principais hipóteses usadas, e algumas dificuldades na modelagem de classes específicas de ativos. Por fim, vamos focar na precificação de opções, abordando o conhecido modelo de Black & Scholes, e como ele é usado na prática: superfícies de volatilidade implícita, discussão de riscos intra e extra-modelo, e algumas possíveis extensões do modelo.
Palestra gravada do dia 21/10/2021 - Clique aqui
|
22/10/2021 - Sexta-feira
14:00-14:50
Farid Tari - (USP, São Carlos)
Curvas, superfícies e singularidades
Resumo: Curvas, superfícies e singularidades Resumo: O objetivo desta palestra e despertar sua curiosidade sobre a geometria de objetos a seu redor. Veremos aplicações (na arquitetura, medicina, ótica) da geometria de curvas e superfícies e alguns resultados recentes sobre o tema (do ponto de vista da teoria de singularidades).
-------------------------------------------------------------------------------
15:00-15:50 - Rodrigo Surmans (CENPES, Petrobrás)
Rocha Digital
Resumo: A Rocha Digital combina a aquisição de imagens do espaço poroso, por tomografia ou microtomografia de raios-X, com técnicas avançadas que permitem reconstruir a geometria do espaço poroso. Essas técnicas não só proporcionam um entendimento mais profundo da física dos meios porosos, mas também podem ser aplicadas em uma fração do tempo normalmente utilizado em laboratório para a caracterização de rochas. O futuro próximo aponta para a utilização de técnicas de Inteligência Artificial para a automatização e aumento da produtividade dos algoritmos utilizados.
-------------------------------------------------------------------------------
16:00-16:50 - Paulo Orenstein (IMPA)
Melhor que a média: Idéias modernas em Estatística
Resumo: Das várias maneiras de se agregar dados, a mais popular é a média amostral (ou média aritmética). Ela é usada para decidir se um aluno passará de ano, se casos de COVID estão baixos e se o Bóson de Higgs realmente foi encontrado. Em que sentido a média amostral é a melhor maneira de resumir dados? Aliás, como dizer que um estimador é melhor do que outro? Surpreendentemente, no meio do século passado, estatísticos mostraram que, para vetores de dimensão três ou maior, há algo que é praticamente sempre melhor do que a média amostral. Mais recentemente, pesquisadores têm estendido essas ideias em direções novas e promissoras. Vamos discutir alguns desses avanços e perspectivas para mostrar como é difícil (e interessante!) ser melhor do que a média.
Palestra gravada do dia 21/10/2021 - Clique aqui
|