diBoaS Analytics
O cérebro quant: backtesting, risco por Monte Carlo, anomalias por ML.
- Papel
- Engenheiro único: arquitetura, metodologia quant, pipelines de dados
- Stack
- Python · pandas · scikit-learn · scipy · 808 tests · 19 CLI commands
Um motor Python de ~50.000 linhas que é o backend quantitativo da diBoaS. Ele coleta dados de mais de cinco fontes financeiras atrás de circuit breakers e rate limits, passa tudo por um pipeline de qualidade em quatro portões, faz backtest de dez estratégias por faixa de risco e roda simulações de Monte Carlo com troca de regime, transições de Markov entre regimes de mercado, caudas gordas via Student-t, VaR e CVaR, além de uma camada de anomalias com Isolation Forest e monitoramento de saúde de protocolos em tempo real, com alertas.
A janela pública disso é diboas.com/market: um painel de regime macro no ar, alimentado por um pipeline de build com verificação em duas fontes e um portão de qualidade fail-closed.
O que isso prova
- Metodologia quantitativa de nível institucional, não código de brinquedo
- Engenharia de dados como disciplina: portões de qualidade, SLAs de frescor, trilhas de auditoria, execuções reproduzíveis
- ML aplicado onde se paga: detecção de anomalias, não decoração