Curso de Python para trading

Lección 1 • Fundamentos Esenciales de Sintaxis de Python

Cubre variables, tipos de datos, operadores y flujo de control con ejemplos del ámbito del trading. Proporciona la fluidez de lenguaje requerida para toda la manipulación de datos que se abordará más adelante.

Lección 2 • Configuración del Entorno de Trading

Instala Python, Jupyter y las bibliotecas financieras clave en un espacio de trabajo reproducible. Establece la base técnica de la que dependerán todos los capítulos posteriores.

Lección 3 • Estructuras de Datos para Datos de Mercado

Explora listas, tuplas, diccionarios y conjuntos como contenedores para registros de precios y operaciones. Se vincula directamente con la forma en que los datos de mercado se almacenan y acceden en la práctica.

Lección 1 • Series y DataFrames de Pandas

Construye e inspecciona Series y DataFrames que representen 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

Maneja valores faltantes, duplicados y discrepancias de tipos en fuentes de datos de mercado sin procesar. Los datos limpios son un prerrequisito para la generación confiable de señales en capítulos posteriores.

Lección 3 • Indexación de Series de Tiempo con DatetimeIndex

Analiza fechas, establece DatetimeIndex y remuestrea datos a través de diferentes frecuencias. La indexación con conciencia temporal es esencial para todo el trabajo de señales y backtesting que se realizará más adelante.

Lección 4 • Arreglos NumPy y Matemáticas Vectorizadas

Crea y opera con arreglos para reemplazar los bucles lentos de Python en 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

Obtén datos históricos OHLCV utilizando envoltorios de Python diseñados específicamente 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 Canal de Datos Reutilizable

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

Lección 3 • Acceso a Datos mediante APIs REST

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

Lección 1 • Indicadores de Volatilidad y Volumen

Calcula 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 las señales y el dimensionamiento de posiciones.

Lección 2 • Uso de TA-Lib y pandas-ta

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

Lección 3 • Indicadores de Seguimiento de Tendencia

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

Lección 4 • Indicadores de Momentum y Osciladores

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

Lección 1 • Conceptos de Backtesting Basado en Eventos

Introduce la simulación del libro de órdenes, la lógica de ejecución y el modelado de deslizamiento para obtener resultados realistas. Los motores basados en eventos exponen realidades de ejecución que las pruebas vectorizadas ocultan.

Lección 2 • Uso de Backtrader y Zipline Lite

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

Lección 3 • Evitar el Sobreajuste y el Data Snooping

Aplica validación con avance progresivo y pruebas fuera de muestra para detectar resultados espurios. El sobreajuste es la causa principal del bajo desempeño en trading real después del backtesting.

Lección 4 • Fundamentos del Backtesting Vectorizado

Traduce señales de posición en 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 Pérdidas

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

Lección 2 • Estimación de Rendimiento y Covarianza

Calcula rendimientos esperados y 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

Implementa reglas de fracción fija, criterio de Kelly y dimensionamiento escalado por volatilidad. El dimensionamiento adecuado determina cuánto capital controla cada señal, lo que afecta directamente la pérdida máxima.

Lección 4 • Optimización de Portafolios Media-Varianza

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

Lección 1 • Algoritmos de Ejecución (TWAP y VWAP)

Construye algoritmos de segmentación TWAP y VWAP para reducir el impacto en el mercado en 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 Bróker

Autentica e interactúa con una API REST de bróker para colocar y gestionar órdenes. La integración con API es el puente entre las señales probadas en backtesting y la ejecución real en el mercado.

Lección 3 • Monitoreo de Ejecución y Alertas

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

Lección 4 • Tipos de Órdenes y Lógica de Ejecución

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

Lección 1 • Evaluación de Modelos para Datos Financieros

Utiliza 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 correlacionados serialmente.

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

Transforma datos OHLCV sin procesar en características predictivas adecuadas para modelos de ML. La calidad de las características determina el poder predictivo del modelo más que la elección del algoritmo.

Lección 3 • Modelos de Clasificación Supervisada

Entrena clasificadores de regresión logística, bosque aleatorio y gradient boosting para predecir la dirección del precio. Las salidas de clasificación se mapean directamente a la generación de señales largas/cortas.

Lección 4 • Aprendizaje No Supervisado para Regímenes de Mercado

Aplica k-means y Gaussian Mixture Models para agrupar estados de mercado y adaptar estrategias. La detección de regímenes permite el cambio dinámico de estrategias según las condiciones del mercado.