PYTHON PARA FINANZAS. CURSO PRÁCTICO

CAPÍTULO 1. ¿POR QUE LOS USUARIOS DE EXCEL Y ESPECIALMENTE
LOS PROFESIONALES DE FINANZAS NECESITAN APRENDER PYTHON?
1.1 VENTAJAS DE PYTHON SOBRE EXCEL
1.1.1 Python no está limitado por el tamaño
1.1.2 Python no está limitado por la memoria
1.1.3 Python no tiene limitaciones de integración
1.1.4 La automatización no es posible con Excel, lamentablemente
1.1.5 Capacidades multiplataforma
1.1.6 Comunidad y soporte de código abierto
1.1.7 Entonces, ¿debería deshacerme de Excel?
1.2 PYTHON-PANDAS VS EXCEL
1.2.1 Construido sobre Python
1.2.2 Maneja múltiples tipos de datos
1.2.3 Maneja grandes conjuntos de datos
1.2.4 Limpia archivos rápidamente y convierte archivos de datos
CAPÍTULO 2. APRENDIENDO PYTHON DESDE CERO
2.1 ¿QUÉ ES PYTHON?
2.2 CONFIGURANDO EL AMBIENTE PYTHON
2.2.1 Descarga e instalación de Python
2.2.2 Ejecutar una secuencia de comandos en la ventana de la terminal
2.2.3 La ejecución del entorno interactivo IDLE
2.2.4 Editores de texto para Python
2.2.5 Jupyter Notebook
2.2.6 Usando Python con Jupyter Notebook en Google Colaboratory
2.3 CONOCIENDO LO BÁSICO DE PYTHON
2.3.1 Los comentarios
2.3.2 Indentación
2.3.3 Variables
2.3.4 Operadores
2.3.5 Declaraciones condicionales
2.3.6 For loops (Para bucles)
2.3.7 Bucle While (Mientras)
2.3.8 Input (Entrada) del usuario
2.3.9 Typecasting (Tipografía)
2.3.10 Diccionarios
2.3.11 Listas
2.3.12 Tuplas
2.3.13 Conjuntos
2.3.14 Funciones y argumentos
2.3.15 Ámbito
2.3.16 Declaración de devolución
2.3.17 Expresión Lambda
2.3.18 Comprensión de listas
2.4 CONCEPTOS DE PROGRAMACIÓN ORIENTADA A OBJETOS (OOP)
2.4.1 Ventajas de la programación orientada a objetos
2.4.2 Clases
2.4.3 Métodos
2.4.4 Objetos
2.4.5 Constructo
2.4.6 Atributos de instancia
2.4.7 Atributos de clase
2.4.8 Self
2.4.9 Herencia
2.4.10 Super
2.4.11 Herencia Múltiple
2.4.12 Polimorfismo
2.4.13 Encapsulación
2.4.14 Decorador
2.4.15 Excepciones
2.5 IMPORTACIÓN DE PAQUETES
2.6 GUÍA DE ESTILO PARA LA ESCRITURA DEL CÓDIGO PYTHON
2.6.1 Sangria (Indentation)
2.6.2 Longitud máxima de la línea
2.6.3 Comillas simples o dobles
2.6.4 Líneas en blanco
2.6.5 Declaraciones de importación
2.6.6 Comentarios
2.6.7 Nombres de dunder a nivel de módulo
2.6.8 Convenciones de nombres
2.6.9 Espacios en blanco en expresiones / declaraciones
CAPÍTULO 3. LOS 10 MEJORES PAQUETES DE PYTHON PARA FINANZAS
Y MODELADO FINANCIERO
3.1 NUMPY
3.2 SCIPY
3.3 PANDAS
3.4 STATSMODELS
3.5 QUANDL
3.6 ZIPLINE
3.7 PYFOLIO
3.8 TA-LIB
3.9 QUANT-LIB
3.10 MATPLOTLIB
CAPÍTULO 4. OBTENIENDO Y PROCESANDO DATOS FINANCIEROS
4.1 OBTENIENDO DATOS DE YAHOO FINANCE
4.2 OBTENIENDO DATOS DE QUANDL
4.3 OBTENIENDO DATOS DE INTRINIO
4.4 TRANSFORMANDO PRECIOS DE ACTIVOS FINANCIEROS A
RENDIMIENTOS
4.5 CAMBIANDO LA FRECUENCIA TEMPORAL DE LOS
RENDIMIENTOS
4.6 VISUALIZANDO DATOS DE SERIES DE TIEMPO FINANCIERAS
4.7 IDENTIFICANDO VALORES ATÍPICOS EN LA SERIE TEMPORAL
4.8 OBTENCIÓN Y REMUESTREO DE DATOS SOBRE
CRIPTOMONEDAS
4.8.1 Obteniendo los datos de Kraken (Exchanges)
4.8.2 Remuestreo
CAPÍTULO 5. EL VALOR DEL DINERO EN EL TIEMPO
5.1 INTRODUCCIÓN AL VALOR TEMPORAL DEL DINERO, VALOR
FUTURO Y VALOR PRESENTE
5.2 VALOR PRESENTE DE UNA PERPETUIDAD
5.3 VALOR PRESENTE DE UNA PERPETUIDAD CRECIENTE
5.4 VALOR PRESENTE Y FUTURO DE UNA ANUALIDAD
5.5 CÁLCULO DE LOS PAGOS DE UN PRÉSTAMO Y LA TABLA DE
AMORTIZACIÓN EN PYTHON
5.6 DEFINICIÓN DE VPN Y REGLA DE VPN
5.7 DEFINICIÓN DE TIR Y REGLA DE LA TIR
CAPÍTULO 6. EXTRAER Y CALCULAR INDICADORES FINANCIEROS
CLAVES CON PYTHON
6.1 PYTHON PARA FINANZAS ES NUESTRO MEJOR ALIADO
6.2 CONSEGUIR DATOS E INDICADORES FINANCIEROS CLAVES CON
PYTHON
6.3 CONSOLIDAR INDICADORES FINANCIEROS EN UN DATAFRAME
DE PANDAS
6.4 CALCULAR INDICADORES FINANCIEROS CON PYTHON
6.5 GRAFICAR INDICADORES FINANCIEROS CON PYTHON
6.6 EXPORTAR INDICADORES FINANCIEROS A UN ARCHIVO
EN EXCEL
CAPÍTULO 7. VALORACIÓN DE BONOS Y ACCIONES
7.1 ESTRUCTURA TEMPORAL DE TASAS DE INTERÉS
7.2 RELACIÓN RIESGO Y RENTABILIDAD. LA DURACIÓN
7.3 EVALUACIÓN DE BONOS Y RENDIMIENTO HASTA EL
VENCIMIENTO
7.4 VALORACIÓN DE ACCIONES
CAPÍTULO 8. COSTO PROMEDIO PONDERADO DE CAPITAL (WACC)
8.1 ¿QUÉ ES EL COSTO DE CAPITAL PROMEDIO PONDERADO
(WACC)?
8.2 ¿CÓMO CALCULAR EL WACC?
8.3 COSTO DE LA DEUDA DE LAS EMPRESAS
8.4 COSTO DEL PATRIMONIO DE LA EMPRESA
8.5 CALCULANDO EL WACC CON PYTHON
8.5.1 Estimación del costo de la deuda con Python
8.5.2 Estimación del costo de patrimonio con Python
8.5.3 Costo de capital promedio ponderado (WACC) con Python
CAPÍTULO 9. FLUJO DE CAJA LIBRE DESCONTADO: VALORACIÓN
DE UNA EMPRESA CON PYTHON
9.1 INTRODUCCIÓN AL MÉTODO DE FLUJO DE CAJA LIBRE
DESCONTADO
9.2 VALOR DE LA EMPRESA CON EL MÉTODO DE FLUJO DE
CAJA LIBRE DESCONTADO
9.3 PRONÓSTICO DEL FLUJO DE CAJA LIBRE DE LA EMPRESA
9.4 FLUJO DE CAJA LIBRE DESCONTADO CON PYTHON
9.4.1 Estimación del crecimiento futuro de los ingresos
9.4.2 Obtención del estado de resultados y el balance general
9.4.3 Proyección de los flujos de caja futuros de las operaciones
9.4.4 Convertir los flujos de caja libres proyectados a pandas
9.4.5 Estimación del costo de capital
9.4.6 Obtención del valor presente de los flujos de caja libre futuros
9.4.7 Cálculo del valor terminal
9.4.8 Calcular el precio objetivo de Google
CAPÍTULO 10. REPRESENTACIÓN GRÁFICA Y VISUAL DE DATOS
FINANCIEROS EN PYTHON
10.1 IMPORTANDO LIBRERÍAS
10.2 EXTRAYENDO LOS PRECIOS HISTÓRICOS DE LAS ACCIONES
10.3 GRÁFICO DE ÁREA
10.4 GRÁFICO DE VELAS
10.5 GRÁFICO OHLC
10.6 GRÁFICO BULLET
10.7 GRÁFICO DE CALIBRE RADIAL
CAPÍTULO 11. ASIGNACIÓN DE ACTIVOS PARA UN PORTAFOLIO
EFICIENTE EN PYTHON
11.1 EVALUAR EL RENDIMIENTO DE UN 1 / N PORTAFOLIO BÁSICO
11.2 ENCONTRAR LA FRONTERA EFICIENTE USANDO SIMULACIÓN
MONTECARLO
11.3 ENCONTRAR LA FRONTERA EFICIENTE USANDO OPTIMIZACIÓN
CON SCIPY
CAPÍTULO 12. SIMULACIÓN MONTE CARLO EN FINANZAS
12.1 SIMULANDO LA DINÁMICA DEL PRECIO DE LAS ACCIONES
UTILIZANDO MOVIMIENTO BROWNIANO GEOMÉTRICO
12.2 PRECIOS DE OPCIONES EUROPEAS MEDIANTE SIMULACIONES
12.3 ESTIMACIÓN DEL VALOR EN RIESGO UTILIZANDO
MONTE CARLO
CAPÍTULO 13. MODELADO DE SERIES DE TIEMPO FINANCIERAS
13.1 DESCOMPOSICIÓN DE SERIES DE TIEMPO
13.2 DESCOMPOSICIÓN DE SERIES DE TIEMPO USANDO PROPHET DE
FACEBOOK
13.3 PRUEBA DE ESTACIONARIEDAD EN SERIES DE TIEMPO
13.4 CORRECCIÓN DE LA ESTACIONARIEDAD EN SERIES DE TIEMPO
13.5 MODELADO DE SERIES DE TIEMPO CON MÉTODOS DE
SUAVIZADO EXPONENCIAL
13.6 MODELADO DE SERIES DE TIEMPO CON MODELOS DE CLASE
ARIMA
CAPÍTULO 14. INTEGRACIÓN DE PYTHON CON EXCEL
14.1 PANDAS PARA LEER UN ARCHIVO DE EXCEL
14.1.1 Método y argumentos pd.read_excel ()
14.1.2 Método y argumentos pd.read_csv ()
14.2 LEER VARIAS HOJAS DE EXCEL CON PANDAS
14.2.1 método pd.read_excel ()
14.2.2 Método pd.ExcelFile ()
14.3 LEER MÚLTIPLES ARCHIVOS DE EXCEL CON PYTHON
14.3.1 Método 1: Obtener archivos de la carpeta - estilo PowerQuery
14.3.2 Método 2: usar un archivo de entrada de Excel
14.4 GUARDANDO LOS DATOS EN UN ARCHIVO DE EXCEL USANDO
PYTHON
14.5 GUARDAR EN ARCHIVO CSV
14.6 GUARDE VARIAS HOJAS EN UN ARCHIVO DE EXCEL CON
PYTHON
14.6.1 Método 1
14.6.2 Método 2
14.7 OBTENGA VALORES, FILAS Y COLUMNAS EN DATAFRAME DE
PANDAS
14.7.1 Obteniendo columnas con pandas
14.7.2 Obteniendo varias columnas
14.7.3 Obteniendo filas con Pandas
14.7.4 Obteniendo varias filas
14.7.5 Obteniendo valores de celda
14.8 OBTENIENDO DATOS DE LA TABLA DE UNA PÁGINA WEB
USANDO PYTHON Y LA LIBRERÍA PANDAS
14.8.1 Obtener datos de un sitio web (web scraping)
14.8.2 Requisitos para usar pandas para web scraping
14.8.3 Web Scraping en acción
14.9 REPLICAR LAS FUNCIONES BUSCAR DE EXCEL EN PYTHON
CAPÍTULO 15. COMO CONSTRUIR UNA HERRAMIENTA DE ANÁLISIS
DE SENTIMIENTOS PARA EL TRADING DE ACCIONES
15.1 ¿QUÉ ES EL ANÁLISIS DE SENTIMIENTOS?
15.2 RECOPILACIÓN Y ANÁLISIS DE DATOS DE FINVIZ
15.3 APLICAR EL ANÁLISIS DE SENTIMIENTOS
15.4 VISUALIZACIÓN DE LOS RESULTADOS EN MATPLOTLIB
CAPÍTULO 16. WEB SCRAPING PARA ESTADOS FINANCIEROS CON
PYTHON
16.1 ¿QUÉ ES EL WEB SCRAPING?
16.2 IMPORTANDO LAS LIBRERÍAS URLIB Y BEAUTIFUL SOUP
16.3 PROCESANDO LOS DATOS
16.4 LEYENDO LA URL
16.5 MANIPULANDO LOS DATOS
16.6 LIMPIANDO LOS DATOS
CAPÍTULO 17. TRADING ALGORÍTMICO CON PYTHON
17.1 TABLERO DE TRADING CON YFINANCE & PYTHON
17.1.1 Extrayendo datos con la api Yfinance
17.1.2 Establecer las ventanas cortas y largas (medias móviles)
17.1.3 Generando señales de trading
17.1.4 Trazando puntos de entrada y salida
17.1.5 Realizar Backtest
17.1.6 Generar Dashboard o Tablero de Control
17.2 ESTRATEGIA DE NEGOCIACIÓN ALGORÍTMICA CON MACD
17.2.1 ¿Qué es MACD Crossover?
17.2.2 Componentes del MACD
17.2.3 ¿Cómo se calcula el MACD?
17.2.4 Implementación del MACD en Python
MATERIAL ADICIONAL

Python para finanzas es un libro teórico-práctico; los dos primeros capítulos comienzan con una contextualización sobre la importancia y la utilidad del lenguaje de programación Python en el mundo de las finanzas y con una introducción sobre los aspectos esenciales para empezar a utilizar esta poderosa herramienta.

Los capítulos posteriores se pueden agrupar en los siguientes aspectos:

Aprender a extraer datos. la extracción de datos de múltiples fuentes: sitios web, bases de datos de estados financieros y cotizaciones de bolsa.
Aprender a construir modelos financieros. Los modelos financieros son un insumo fundamental en el proceso de toma de decisiones empresariales, tanto de inversión como de financiación.
Automatizar procesos. La capacidad de Python para automatizar tareas es simplemente ilimitada. Esto se traduce en crecimientos espectaculares de la productividad.
Todos los capítulos inician con un planteamiento teórico que inmediatamente se traduce a la aplicación de ejercicios prácticos y que por supuesto el usuario podrá replicar para fortalecer su aprendizaje.

Podrá descargar el código de esta obra accediendo a la ficha del libro en www.ra-ma.es.