Curso de Python para trading

Lección 1 • Elementos Esenciales de la Sintaxis Básica de Python

Cubrí variables, tipos de datos, operadores y flujo de control con ejemplos del mundo del trading. Proporciona la fluidez en el lenguaje requerida para toda la manipulación de datos que viene.

Lección 2 • Configuración del Entorno de Trading

Instalá Python, Jupyter y las bibliotecas financieras clave en un espacio de trabajo reproducible. Establece la línea de base técnica de la que depende cada capítulo siguiente.

Lección 3 • Estructuras de Datos para Datos de Mercado

Explorá listas, tuplas, diccionarios y conjuntos como contenedores para registros de precios y operaciones. Se relaciona directamente con cómo se almacenan y se accede a los datos de mercado en la práctica.

Lección 1 • Series y DataFrames de Pandas

Construí e inspeccioná Series y DataFrames que representan historiales de precios. Establece la estructura de datos principal utilizada a lo largo de todo el curso.

Lección 2 • Limpieza y Transformación de Datos OHLCV

Manejá valores faltantes, duplicados y discordancias de tipo en fuentes de mercado crudas. Los datos limpios son un requisito previo para la generación confiable de señales en capítulos posteriores.

Lección 3 • Indexación de Series Temporales con DatetimeIndex

Parseá fechas, configurá DatetimeIndex y remuestreá datos en distintas frecuencias. La indexación consciente del tiempo es esencial para todo el trabajo de señales y backtesting que viene.

Lección 4 • Arrays NumPy y Matemática Vectorizada

Creá y operá con arrays para reemplazar los bucles lentos de Python en los cálculos de precios. Las operaciones vectorizadas son la columna vertebral del rendimiento de toda la analítica posterior.

Lección 1 • Uso de Bibliotecas de Datos Financieros

Obtené datos históricos OHLCV usando envoltorios de Python diseñados para proveedores de datos de mercado. Reduce el código repetitivo y acelera la creación de prototipos de ideas de trading.

Lección 2 • Construcción de un Pipeline de Datos Reutilizable

Encapsulá los pasos de obtención, limpieza y almacenamiento en una clase de pipeline modular e invocable. Los pipelines reutilizables son la base de la investigación reproducible y el trading en vivo.

Lección 3 • Acceso a Datos a través de APIs REST

Enviá solicitudes HTTP autenticadas y parseá las respuestas JSON a DataFrames. Establece el patrón para toda la ingesta de datos basada en API en el curso.

Lección 1 • Indicadores de Volatilidad y Volumen

Calculá Bandas de Bollinger, ATR e indicadores basados en volumen para evaluar las condiciones del mercado. El contexto de volatilidad y volumen mejora la calidad de la señal y el dimensionamiento de la posición.

Lección 2 • Uso de TA-Lib y pandas-ta

Aprovechá bibliotecas de indicadores establecidas para acelerar el desarrollo y validar código propio. Los indicadores basados en bibliotecas reducen errores y permiten la creación rápida de prototipos de estrategias.

Lección 3 • Indicadores de Seguimiento de Tendencia

Implementá medias móviles, MACD y ADX para identificar tendencias direccionales de precios. Las señales de tendencia constituyen la lógica de entrada más común en las estrategias sistemáticas.

Lección 4 • Indicadores de Momentum y Osciladores

Construí los indicadores RSI, Estocástico y Tasa de Cambio para medir el momentum del precio. Los osciladores complementan los filtros de tendencia al identificar condiciones de sobrecompra y sobreventa.

Lección 1 • Conceptos de Backtesting Dirigido por Eventos

Introducí la simulación del libro de órdenes, la lógica de ejecución y el modelado de slippage para obtener resultados realistas. Los motores dirigidos por eventos exponen realidades de ejecución que las pruebas vectorizadas ocultan.

Lección 2 • Uso de Backtrader y Zipline Lite

Ejecutá estrategias a través de marcos de backtesting de código abierto establecidos para obtener analíticas más ricas. Los marcos imponen disciplina y proporcionan informes integrados no disponibles en motores propios.

Lección 3 • Cómo Evitar el Sobreajuste y el Data Snooping

Aplicá validación walk-forward y pruebas fuera de muestra para detectar resultados espurios. El sobreajuste es la causa principal del bajo rendimiento en el trading en vivo después del backtesting.

Lección 4 • Fundamentos del Backtesting Vectorizado

Traducí las señales de posición a rendimientos diarios utilizando operaciones vectorizadas de pandas. El backtesting vectorizado es rápido y forma el motor central para toda evaluación de estrategias.

Lección 1 • Métricas de Riesgo y Control de Drawdown

Monitoreá el Valor en Riesgo, el Déficit Esperado y el drawdown móvil en tiempo real. El monitoreo continuo del riesgo previene pérdidas catastróficas durante regímenes adversos del mercado.

Lección 2 • Estimación de Rendimientos y Covarianza

Calculá los rendimientos esperados y las matrices de covarianza a partir de datos históricos de precios. Las estimaciones precisas son los insumos que determinan la calidad de cualquier resultado de optimización.

Lección 3 • Métodos de Dimensionamiento de Posiciones

Implementá reglas de fracción fija, criterio de Kelly y dimensionamiento ajustado por volatilidad. El dimensionamiento adecuado determina cuánto capital controla cada señal, lo que afecta directamente al drawdown.

Lección 4 • Optimización de Cartera de Media-Varianza

Utilizá scipy y PyPortfolioOpt para resolver la frontera eficiente y los pesos óptimos. La optimización de media-varianza traduce las estimaciones de rendimiento/riesgo en asignaciones accionables.

Lección 1 • Algoritmos de Ejecución (TWAP y VWAP)

Construí algoritmos de segmentación TWAP y VWAP para reducir el impacto en el mercado de órdenes grandes. Los algoritmos de ejecución son esenciales cuando el tamaño de la orden es significativo en relación con el volumen.

Lección 2 • Integración con API de Brokers

Autenticate e interactuá con una API REST de broker para colocar y gestionar órdenes. La integración de API es el puente entre las señales probadas en backtest y la ejecución real en el mercado.

Lección 3 • Monitoreo y Alertas de Ejecución

Registrá todos los eventos de órdenes y activá alertas ante anomalías como ejecuciones fallidas o límites superados. El monitoreo robusto es la red de seguridad operativa para cualquier sistema de trading en vivo.

Lección 4 • Tipos de Órdenes y Lógica de Ejecución

Implementá órdenes de mercado, limitadas, stop y bracket con lógica de ejecución condicional. Elegir el tipo de orden correcto controla directamente la calidad de la ejecución y la exposición al riesgo.

Lección 1 • Evaluación de Modelos para Datos Financieros

Utilizá validación cruzada purgada y métricas financieras para evaluar la calidad del modelo sin fuga de datos. Las métricas estándar de ML son insuficientes para datos financieros con correlación serial.

Lección 2 • Ingeniería de Atributos a partir de Datos de Precios

Transformá datos OHLCV brutos en atributos predictivos adecuados para modelos de ML. La calidad de los atributos determina el poder predictivo del modelo más que la elección del algoritmo.

Lección 3 • Modelos de Clasificación Supervisada

Entrená clasificadores de regresión logística, random forest y gradient boosting para predecir la dirección del precio. Los resultados de clasificación se traducen directamente a la generación de señales largas/cortas.

Lección 4 • Aprendizaje No Supervisado para Regímenes de Mercado

Aplicá k-means y Modelos de Mezcla Gaussiana para agrupar estados de mercado y adaptar estrategias. La detección de regímenes permite el cambio dinámico de estrategia según las condiciones del mercado.