Para estudantes6 projetos6 em aberto

Projetos de pesquisa para estudantes

Seis perguntas de pesquisa em finanças quantitativas, cada uma dimensionada para um estudante ao longo de seis semanas. Você cuida dos dados, do código e dos números. Eu oriento, depois escrevo o artigo e publico aqui com você como coautor.

Isso é gratuito, para qualquer pessoa que queira entrar na pesquisa quant.

Cada pergunta tem uma especificação escrita que foi travada antes de alguém reivindicá-la, então o desenho do estudo não pode mudar depois que os resultados aparecem. Todos os resultados são publicados, inclusive os negativos.

Os projetos

Para quem é

Os projetos são voltados para quem está no último ano da graduação em matemática, ou qualquer pessoa com a mesma base: probabilidade, estatística, álgebra linear, alguma coisa de séries temporais e Python suficiente para escrever código com testes. Não é preciso ter formação em finanças. Cada especificação define os termos de mercado que usa.

Se você não está exatamente nesse nível mas quer tentar, me mande um e-mail de todo jeito e podemos conversar sobre qual projeto encaixa.

Como funciona

Escolha um projeto abaixo e clique em "Reivindicar este projeto". Isso abre um e-mail para mim.
Conte um pouco sobre você: seu nome, universidade e ano, o projeto que você quer e algumas linhas sobre a sua formação.
Eu te envio a especificação completa. Ela fixa a pergunta, os dados, os métodos, a regra de resposta e o nível mínimo para publicação. Fazemos uma ligação curta para verificar se o encaixe é bom.
Você trabalha nele por seis semanas, por conta própria. Eu reviso o seu trabalho em três checkpoints (fim das semanas 1, 3 e 6) e respondo perguntas no meio do caminho. Vou te ajudar quando você travar, mas não vou escrever código nem rodar análises no seu lugar.
Você entrega, eu escrevo. Se o trabalho atingir o nível exigido, eu escrevo o artigo e você o revisa em busca de erros factuais. Depois ele vai para este site com o seu nome.

Um estudante por projeto de cada vez.

O que você entrega

Um repositório de código que reconstrói cada número a partir dos dados brutos com um comando. Ele fica privado, compartilhado comigo, enquanto você trabalha, e se torna público sob a licença MIT quando o artigo é publicado.
Um pacote de resultados: as tabelas e figuras que a especificação lista, mais um resumo legível por máquina do resultado principal.
Um registro de métodos de duas a quatro páginas: o que você fez, cada desvio da especificação com o seu motivo, mais qualquer coisa que tenha te surpreendido.

Você não escreve o artigo. Isso é trabalho meu.

O que você recebe

Coautoria em um artigo de pesquisa publicado, com a sua universidade se você quiser.
Depois que o artigo sair, um repositório open-source com o seu nome, feito num padrão que você pode mostrar a um empregador ou a um orientador.
Seis semanas de orientação individual em um problema de pesquisa real.
Uma carta de recomendação, a meu critério, se o trabalho for bom.

Os projetos não são remunerados e são voluntários.

Os projetos

P1Aberto

Does intraday data beat daily data for forecasting tomorrow's volatility?

For crypto perpetual futures, does a forecast built from five-minute returns predict next-day volatility better than one built from daily returns alone? You compare an HAR model on realised variance against GARCH(1,1) and a simple exponential average on ten major contracts, with formal forecast-comparison tests.

Você vai produzir: out-of-sample forecast losses for three models on ten contracts; Diebold-Mariano tests per contract and pooled, with a multiple-testing correction; a model confidence set; a signature plot; every forecast.
Contexto: maximum likelihood, OLS asymptotics, stationary time series, HAC variance estimation.
Dados: Binance public futures data, one-minute and daily, 2021 to 2026.

Reivindicar este projeto

P2Aberto

How fast do perpetual funding rates mean-revert, and is that enough to trade?

When a perpetual futures funding rate jumps away from its usual level, how many days does it take to close half the gap? Does knowing that half-life let a spot-and-perpetual carry position beat random timing after costs?

Você vai produzir: bias-corrected half-lives with confidence intervals for twenty contracts, overall and by year; a simulation check of the bias correction; three carry rules with profit split into funding, basis and costs; a random-entry null test; a full trade ledger.
Contexto: AR processes, OLS asymptotics and small-sample bias, bootstrap for time series.
Dados: Binance public funding-rate history, futures and spot prices, 2021 to 2026.

Reivindicar este projeto

P3Aberto

Does the bootstrap you choose decide whether a strategy looks significant?

Trading returns have heavy tails, volatility clustering and sometimes serial correlation. Which of six standard methods for a Sharpe-ratio confidence interval keeps its stated 95% coverage under those conditions, and does the choice of method change the verdict on real trading rules?

Você vai produzir: coverage, interval width, size and power for six methods on five simulated return processes at three sample sizes; a block-length sensitivity check; verdicts from every method on ten classic Bitcoin trading rules, and how many rules flip.
Contexto: CLT and the delta method, stationary processes, Markov chains, the bootstrap principle.
Dados: simulation, plus Binance public Bitcoin spot prices from 2017.

Reivindicar este projeto

P4Aberto

How many strategies can you try before the best one is noise?

A researcher tests N trading rules on past data and keeps the one with the best in-sample Sharpe ratio. As N grows, does picking the best one still beat picking at random out of sample? If the benefit disappears, at what N? Do the Deflated Sharpe Ratio and Hansen's SPA test warn about it from the in-sample data alone?

Você vai produzir: in-sample and out-of-sample Sharpe ratios for 1,000 rule configurations over 23 walk-forward windows; the gain from picking the best as N grows, with intervals; pass rates for both tests and whether they predict out-of-sample results; a control run on data with no signal.
Contexto: order statistics and Gaussian extremes, eigenvalues of correlation matrices, hypothesis testing, the bootstrap.
Dados: Binance public Bitcoin futures prices, hourly, 2020 to 2026.

Reivindicar este projeto

P5Aberto

Does shrinking the covariance matrix improve a minimum-variance crypto portfolio?

When the number of assets is not small relative to the number of observations, the sample covariance matrix is badly conditioned and its inverse amplifies noise. Do Ledoit-Wolf shrinkage and random-matrix cleaning lower the realised risk of a minimum-variance portfolio, and how does the answer change with the ratio of assets to observations?

Você vai produzir: realised volatility for six estimators across twelve combinations of portfolio size and estimation window; variance tests against the sample covariance; predicted versus realised risk; turnover and net return; a simulation compared with exact finite-sample theory.
Contexto: spectral decomposition and matrix inverses, multivariate normal theory, Lagrange multipliers.
Dados: Binance public futures prices for every contract, including delisted ones, 2021 to 2026.

Reivindicar este projeto

P6Aberto

How much does estimation error cost a Kelly bettor?

The Kelly fraction maximises long-run growth when the return distribution is known, but a real trader has to estimate it. If you bet a fraction c of the estimated Kelly fraction, which c maximises realised growth? You derive a closed-form answer, test it by simulation and then measure what happens on real crypto returns.

Você vai produzir: a written derivation of the optimal fraction; a simulation grid with ruin rates; the simulated optimum against the theoretical one; growth curves on ten real contracts after costs and funding.
Contexto: expectation and variance of sample means, Taylor expansion, logarithmic utility.
Dados: simulation, plus Binance public futures prices and funding, 2021 to 2026.

Reivindicar este projeto

Travado antes de alguém começar

Cada especificação foi travada em 16 de outubro de 2026, antes de qualquer estudante ser designado. Gerei o hash de cada arquivo com SHA-256 e registrei a data dos hashes na blockchain do Bitcoin com o OpenTimestamps. Quando um artigo é publicado, a especificação completa sai junto, então qualquer pessoa pode verificar que o estudo respondeu à pergunta que se propôs a responder, da maneira que disse que responderia.

Common standard	806cc9ca2bca769c4babf74899b9a4ff25473541d80dfdca53fd7079fc6aa270
P1	9d18cf7bd9b7f81066e4507425126495ccfd0d076a313e486ae4a7558feaca7a
P2	a56a81cdec52cd6ebad02fcf1cf70ee82726c00eeadb389e1405c53a0753b662
P3	a39e6c348e5b08ea11fd62350b191b9d27ae121e58b8bd5d929d7c0731047ba6
P4	10e405c3a9bae3a3a27c381a76e95ba087b7c7c95a1172e75aecc4a4c024d853
P5	f0bdebd01b8698893ffe7a8b66e3a01eae5a16a90e85fc6cdb1cc5c89664c43f
P6	d0583c739f64793f1b168df424789c5992d8e212ff2d055ce6bb10d3a0f7c469

Depois de travada, uma especificação não muda. Se algo nela se mostrar impossível como está escrito, a mudança é registrada com data e motivo e publicada junto com os resultados.

Termos (resumo)

Ao reivindicar um projeto você concorda com estes termos. Os termos completos vêm com a especificação.

Não remunerado e voluntário. Isso não é emprego nem estágio.
A coautoria exige atingir o nível mínimo. Se o seu trabalho atingir o nível mínimo da especificação, você é coautor. Trabalho parcial é reconhecido com menção ao seu nome.
Todos os resultados são publicados, positivos, negativos ou nulos. A direção de um resultado não tem efeito nenhum sobre a aceitação do trabalho.
Eu escrevo o artigo e tenho o controle editorial final. Você vê o rascunho primeiro e pode corrigir qualquer erro factual sobre o seu trabalho. Você pode pedir para remover o seu nome, mas os resultados e o código ainda podem ser publicados.
Mantenha os resultados privados até o artigo estar no ar, inclusive o seu repositório. Depois disso, apresente-os, coloque no seu currículo e construa sobre eles.
Ferramentas de IA são permitidas, mas você é responsável por cada linha e cada número. Posso recusar trabalho que foi claramente produzido sem entendimento, como código que você não consegue explicar. Em qualquer checkpoint posso pedir que você me explique parte do código e rode de novo ao vivo.
Seu código, licença aberta. O repositório é privado enquanto você trabalha e se torna público sob a licença MIT junto com o artigo. Os direitos autorais continuam sendo seus.
Somente dados públicos. Apenas os dados gratuitos indicados na especificação. Nada de dados pagos, proprietários ou do seu empregador.
Integridade. Resultados fabricados ou relatados de forma seletiva encerram o projeto, e qualquer artigo afetado é retratado.
Me conte sobre conflitos desde o começo, como trabalhar em uma firma de trading ou usar o projeto para crédito na universidade.
Reivindicações caducam. Se um checkpoint atrasar mais de duas semanas sem aviso, o projeto pode ir para outra pessoa.
Não é recomendação de investimento. As estratégias estudadas são objetos de pesquisa, não recomendações.
O que é publicado sobre você: seu nome, a sua universidade se você quiser e o link do seu repositório. E-mails permanecem privados.

Dúvidas antes de reivindicar? Escreva para daniel@daru.finance.