--- title: "1.3.7 Licencias y términos de uso de datos" description: "Licencias de datos de mercado: uso personal o profesional, no display, datos derivados, redistribución y atribución, con definiciones de NYSE y Nasdaq." url: "https://pythonparatrading.com/curso-python-trading/nivel-1/licencias-y-terminos-de-uso-de-datos/" lang: "es" image: "https://pythonparatrading.com/og/curso-python-trading/nivel-1/licencias-y-terminos-de-uso-de-datos.png" --- # 1.3.7 · Licencias y términos de uso de datos > Pagar por unos datos no te hace dueño de ellos: compras una licencia con condiciones. Esta lección explica las que más afectan a un trader que programa —uso personal o profesional, uso por máquinas, datos derivados, redistribución— con las definiciones de las propias bolsas, y termina con un comprobador de licencias en Python. - Curso: [Nivel 1: Datos financieros, mercados y análisis](https://pythonparatrading.com/curso-python-trading/nivel-1/) - Módulo: 1.3 · Fuentes de datos de mercado - Duración: 45 min - Requisitos: [1.3.2 · Fuentes de datos gratuitas](https://pythonparatrading.com/curso-python-trading/nivel-1/fuentes-de-datos-gratuitas/), [1.3.3 · APIs de datos retail y prosumer](https://pythonparatrading.com/curso-python-trading/nivel-1/apis-de-datos-retail-y-prosumer/) ## Al terminar esta lección - Explicar qué es un suscriptor «non-professional» según NYSE y Nasdaq y por qué la clasificación cambia el precio y lo que se puede hacer con los datos. - Distinguir uso en pantalla, uso «non-display» (por máquinas, incluido el trading algorítmico), datos derivados y redistribución. - Leer las condiciones de reutilización de fuentes públicas (SEC, BCE, FRED) y de una herramienta no oficial (yfinance y los términos de Yahoo). - Decidir con un árbol de preguntas qué se puede publicar de un proyecto de trading y automatizarlo con un catálogo de metadatos de licencia. ## Se compra una licencia, no los datos Cuando se paga una suscripción de datos, lo que se adquiere es un **derecho de uso** con condiciones: quién puede usarlos, en cuántas pantallas o programas, para qué y qué se puede publicar o pasar a otros. El dueño de los datos de mercado es, en origen, la bolsa que los produce; los proveedores y brókeres son **distribuidores** que los revenden con la licencia de la bolsa más la suya. Por eso el contrato de un proveedor retail suele incluir cláusulas que vienen de la bolsa, y por eso el mismo dato cuesta distinto según quién lo use y para qué. ```mermaid flowchart LR B[Bolsa] --> D[Distribuidor] D --> S[Suscriptor] S --> U[Uso permitido] ``` La lección anterior ya mostró un ejemplo: el plan Advanced de Massive, el único con tiempo real, lleva la marca «Non-pros only» (lección 1.3.3). Esta lección explica qué significa y qué otras condiciones conviene leer antes de construir nada encima de unos datos. No es asesoramiento jurídico: para un caso concreto manda el contrato que firmes. ## Profesional o no profesional Las bolsas de EE. UU. cobran mucho menos a los suscriptores **no profesionales** que a los profesionales. La definición de NYSE, en su política de suscriptores no profesionales, exige dos cosas[^1]: - Ser una **persona física** que recibe los datos **solo para uso personal, no empresarial**. - No ser un **profesional de valores**: no estar registrado o cualificado ante la SEC, la CFTC, un organismo estatal de valores, una bolsa o asociación de valores o un mercado de futuros; no actuar como asesor de inversiones; y no trabajar para un banco u otra organización exenta de registro en funciones que lo exigirían. Dos matices de la misma política: quien trabaja fuera de EE. UU. haciendo las mismas funciones se considera profesional, y si los datos llegan por la **cuenta de una organización**, el usuario es profesional aunque sea una persona física. Nasdaq usa una definición equivalente en sus políticas de datos y añade la regla por defecto: **todos los suscriptores se consideran profesionales salvo que se acrediten como no profesionales**, y para el no profesional la información se licencia solo para uso personal[^2]. ```mermaid flowchart TB P{¿Persona física?} -- no --> PRO[Profesional] P -- sí --> U{¿Uso personal?} U -- no --> PRO U -- sí --> R{¿Profesional?} R -- sí --> PRO R -- no --> C{¿Cuenta empresa?} C -- sí --> PRO C -- no --> NP[No profesional] ``` Consecuencias prácticas para quien programa sistemas: - Un particular que opera su propio dinero con su cuenta personal suele ser no profesional. - El mismo particular, si monta una sociedad para operar o gestiona dinero de terceros, deja de serlo: cambia la tarifa y, a veces, los datos que puede recibir. - Al darse de alta, el bróker o el proveedor pregunta por esta clasificación. Responder mal no es un trámite: es incumplir el contrato con la bolsa. ## Pantalla, máquina, derivados y redistribución La segunda dimensión de una licencia es **qué se hace** con los datos. Las políticas de las bolsas distinguen cuatro usos, que se licencian y tarifican por separado: | Uso | Qué es | Ejemplo | |---|---|---| | Display | Mostrar los datos a una persona en una pantalla | Ver cotizaciones en la plataforma del bróker | | Non-display | Acceso o procesamiento por una máquina, con un fin distinto de mostrarlos o redistribuirlos | Un programa que calcula señales y envía órdenes | | Datos derivados | Información calculada a partir de los datos que no permite reconstruirlos | Un índice propio, una señal, una métrica de riesgo | | Redistribución | Pasar los datos (o algo que los sustituya) a terceros | Publicar un CSV de precios o una API con ellos | NYSE define el uso **non-display** de su información en tiempo real como acceder, procesarla o consumirla con un propósito distinto de mostrarla o redistribuirla, y aclara que incluye usos de trading como el de alta frecuencia o el **algorítmico**[^3]. Nasdaq lo describe como el acceso o uso automatizado por una máquina, sin que una persona lo vea en una pantalla[^2]. Un sistema de trading que se alimenta de datos en tiempo real es, por definición, uso non-display, y las bolsas lo tarifican aparte del uso en pantalla. *Fig. — Qué permite cada fuente según el uso, resumido de sus condiciones (consultadas el 21/10/2026); «Contrato» y «Consultar» significan que depende del texto concreto (esquema).* Tabla de seis fuentes por cuatro usos. Datos del curso: sí en todo. SEC EDGAR y BCE: sí para uso personal y algoritmo, citar para derivados y redistribución. FRED con copyright de terceros: sí para uso personal, permiso para lo demás. Yahoo vía yfinance: sí para uso personal, consultar para algoritmo y derivados y no para redistribuir, destacado. Feed no profesional: sí para uso personal, según contrato para algoritmo y derivados y no para redistribuir. ## Qué es un dato derivado: una prueba en código Nasdaq define los **datos derivados** como información generada total o parcialmente a partir de la de la bolsa de forma que **no pueda reconstruirse** la información original ni usarse para crear algo que sea un **sustituto razonable** de ella[^2]. La definición tiene una consecuencia que se ve mejor con código: no todo cálculo es un derivado. Con la serie diaria de NOVA: ```python import numpy as np import pandas as pd nova = pd.read_csv("nova_diario_sin_ajustar.csv", parse_dates=["fecha"], index_col="fecha") rent = nova["cierre"].pct_change() # «solo» rentabilidades ancla = nova["cierre"].iloc[0] # un único precio público reconstruido = ancla * (1 + rent.fillna(0)).cumprod() error = (reconstruido - nova["cierre"]).abs().max() print(f"{len(rent) - 1} rentabilidades; error máximo: {error:.2e} USD") ``` ```output 2010 rentabilidades; error máximo: 4.55e-13 USD ``` Con las 2.010 rentabilidades y un único precio de partida, la serie de cierres sale entera con un error máximo del orden de 10⁻¹³ dólares, el redondeo de la coma flotante. Publicar las rentabilidades diarias es, a efectos prácticos, publicar los precios: no son un derivado en el sentido de la definición. Una métrica que resume muchos datos en pocos números sí lo es: ```python anual = rent.groupby(rent.index.year).agg( rent_pct=lambda r: 100 * ((1 + r).prod() - 1), vol_pct=lambda r: 100 * r.std() * np.sqrt(252), ) print(anual.round(1).head(3)) print(f"{anual.size} números frente a {len(nova)} cierres") ``` ```output rent_pct vol_pct fecha 2018 -12.5 36.8 2019 19.4 34.5 2020 -0.9 48.5 16 números frente a 2011 cierres ``` Dieciséis números para ocho años no permiten reconstruir 2.011 cierres: es un derivado. La frontera no siempre es tan clara (una media móvil de 2 sesiones con su primer valor permite reconstruir la serie; una de 200 redondeada, en la práctica no), y lo que cuenta al final es lo que diga la licencia concreta. Pero la pregunta útil es siempre la misma: ¿lo que publico permite a otro dejar de pagar los datos? ## Fuentes públicas y herramientas no oficiales Que una fuente sea gratuita no significa que no tenga condiciones. Las de las fuentes de la lección 1.3.2: | Fuente | Condición principal | Cita | |---|---|---| | SEC (sec.gov, EDGAR) | Información pública: se puede copiar y redistribuir sin permiso; pide citar a la SEC como fuente | [^4] | | BCE | Reutilización gratuita citando la fuente («Source: ECB statistics.») y sin modificar estadísticas ni metadatos; los datos de terceros necesitan permiso | [^5] | | FRED | Las series con aviso de copyright son de terceros: para usarlas más allá del uso personal hay que pedir permiso a su dueño; FRED no puede darlo | [^6] | | Yahoo (yfinance) | Sin permiso escrito, no se puede reproducir, distribuir ni explotar comercialmente el contenido, ni recogerlo con medios automatizados, ni crear bases de datos que lo sustituyan | [^7] | El último caso es el más delicado. yfinance es una herramienta legítima de código abierto, pero los datos que descarga son de Yahoo y sus términos de servicio prohíben la recogida automatizada sin permiso y la redistribución. Su README lo recuerda: hay que consultar esos términos y la API es para uso personal (lección 1.3.2). Usarlo para aprender en tu ordenador es una cosa; publicar los CSV o montar un servicio con ellos, otra. La figura de la cabecera ordena los casos de esta lección de más libre a más restringido. Las licencias abiertas estándar, como Creative Commons Atribución 4.0, ordenan este terreno: permiten copiar y redistribuir el material para cualquier fin, incluso comercial, con la condición de dar crédito, enlazar la licencia e indicar si se han hecho cambios[^8]. Cuando una fuente publica sus datos con una licencia así, la pregunta «¿puedo publicarlo?» tiene una respuesta clara. ## Los datos de este curso Los datos de los ejemplos y ejercicios del curso son **sintéticos**: salen de modelos con semilla fija que el curso ejecuta con su propio script, y no de ningún feed de bolsa ni de ningún proveedor (su README lo explica fichero a fichero). No arrastran, por tanto, licencias de terceros: se pueden descargar, usar y compartir para aprender sin las restricciones de esta lección. Es una de las razones de que el curso no use datos reales en sus celdas: con datos reales, ni las salidas de las celdas ni los archivos de descarga podrían publicarse libremente. Lo que no cambia con datos sintéticos es el hábito: saber de dónde viene cada archivo y en qué condiciones se puede usar. Para eso sirve un catálogo. ## Un comprobador de licencias Un catálogo de los conjuntos de datos de un proyecto, con los metadatos de licencia de cada uno, permite responder de forma automática antes de publicar algo. El árbol de decisión que aplica: ```mermaid flowchart TB Q{¿Publicar o pasar?} -- no --> OK[Uso interno] Q -- sí --> A{¿Licencia abierta?} A -- sí --> AT[Sí, con atribución] A -- no --> D{¿Es derivado?} D -- sí --> L{¿Lo permite?} D -- no --> NO[No sin permiso] L -- sí --> AT L -- no --> NO ``` ```python catalogo = { "nova_diario": {"origen": "sintético del curso", "redistribuir": True, "derivados": True, "atribucion": "Python para Trading"}, "fred_serie": {"origen": "FRED, serie sin aviso de copyright", "redistribuir": True, "derivados": True, "atribucion": "FRED, St. Louis Fed"}, "bce_exr": {"origen": "BCE", "redistribuir": True, "derivados": True, "sin_modificar": True, "atribucion": "Source: ECB statistics."}, "yahoo_precios": {"origen": "Yahoo vía yfinance", "redistribuir": False, "derivados": None, "atribucion": None}, "feed_tiempo_real": {"origen": "proveedor, plan no profesional", "redistribuir": False, "derivados": False, "atribucion": None}, } pd.DataFrame(catalogo).T[["origen", "redistribuir", "derivados"]] ``` ```output origen redistribuir derivados nova_diario sintético del curso True True fred_serie FRED, serie sin aviso de copyright True True bce_exr BCE True True yahoo_precios Yahoo vía yfinance False None feed_tiempo_real proveedor, plan no profesional False False ``` `None` significa «la licencia no lo dice»: no es un sí. La función recorre el árbol para un conjunto y un uso: ```python def puedo(nombre, publicar, es_derivado=False): meta = catalogo[nombre] if not publicar: return "sí: uso interno" if meta["redistribuir"] and not es_derivado: extra = " sin modificar" if meta.get("sin_modificar") else "" return f"sí{extra}, citando: {meta['atribucion']}" if es_derivado: if meta["derivados"] is True: return f"sí (derivado), citando: {meta['atribucion']}" if meta["derivados"] is None: return "consultar: la licencia no lo dice" return "no sin permiso del dueño" plan = [("nova_diario", True, False), ("bce_exr", True, False), ("yahoo_precios", True, False), ("yahoo_precios", True, True), ("feed_tiempo_real", True, True), ("feed_tiempo_real", False, False)] for nombre, pub, der in plan: tipo = "derivado" if der else "datos" print(f"{nombre:17} {tipo:9} -> {puedo(nombre, pub, der)}") ``` ```output nova_diario datos -> sí, citando: Python para Trading bce_exr datos -> sí sin modificar, citando: Source: ECB statistics. yahoo_precios datos -> no sin permiso del dueño yahoo_precios derivado -> consultar: la licencia no lo dice feed_tiempo_real derivado -> no sin permiso del dueño feed_tiempo_real datos -> sí: uso interno ``` El resultado es un parte de lo que se puede hacer con cada cosa: los datos sintéticos y los del BCE se publican citando (los del BCE, sin modificar); los precios de Yahoo, no; una métrica derivada de Yahoo queda en «consultar», porque los términos no la contemplan; y el feed no profesional solo sirve para uso interno. El catálogo no sustituye a leer el contrato, pero obliga a leerlo una vez y a dejarlo escrito junto a los datos, que es donde se necesita (lección 1.4.8). ## Ejercicios 1. Repite la reconstrucción de precios con rentabilidades **redondeadas** a dos decimales en porcentaje (`round(4)` en tanto por uno). ¿Cuánto error acumulado hay al final? ¿Siguen siendo un sustituto razonable de los precios? **Solución.** ```python r4 = rent.round(4) rec4 = ancla * (1 + r4.fillna(0)).cumprod() err = (rec4 - nova["cierre"]).abs() print(f"error final: {err.iloc[-1]:.2f} USD;", f"máximo: {err.max():.2f} USD") print(f"error relativo máximo: {(err / nova['cierre']).max():.3%}") ``` ```output error final: 0.11 USD; máximo: 0.27 USD error relativo máximo: 0.189% ``` El redondeo acumula error a lo largo de ocho años, pero la serie reconstruida sigue muy cerca de la original: el error relativo máximo es pequeño. Para casi cualquier uso (un gráfico, un backtest diario), sería un sustituto razonable de los precios. Redondear no convierte unos datos en derivados. 2. Añade al catálogo un conjunto `edgar_10k` (presentaciones de EDGAR) con las condiciones de la SEC y comprueba qué devuelve `puedo` al publicar los datos tal cual y al publicar un ratio calculado con ellos. **Solución.** ```python catalogo["edgar_10k"] = { "origen": "SEC EDGAR", "redistribuir": True, "derivados": True, "atribucion": "U.S. Securities and Exchange Commission (EDGAR)", } print(puedo("edgar_10k", True)) print(puedo("edgar_10k", True, es_derivado=True)) ``` ```output sí, citando: U.S. Securities and Exchange Commission (EDGAR) sí (derivado), citando: U.S. Securities and Exchange Commission (EDGAR) ``` La SEC considera pública la información de sec.gov y permite copiarla y redistribuirla, pidiendo que se la cite. Tanto los datos como los ratios se pueden publicar con la atribución. Lo que sí hay que comprobar es si un documento concreto incluye material de terceros con derechos propios. 3. Escribe, en tres o cuatro frases, qué publicarías de un backtest hecho con datos de un plan no profesional de un proveedor retail, y qué no. **Solución.** Se pueden contar el método, el código (sin datos) y las métricas agregadas del resultado: rentabilidad anual, drawdown, Sharpe, número de operaciones; son resúmenes que no permiten reconstruir los precios. No se publicarían los precios, las barras, las señales día a día con sus precios de entrada y salida ni un CSV con la curva de cada operación si permite recuperar los precios. Antes de publicar, se lee la cláusula de datos derivados y de redistribución del contrato del proveedor; si no dice nada, se pregunta. [^1]: [NYSE: Nonprofessional Subscriber Policy](https://www.nyse.com/publicdocs/nyse/data/Non_Professional_Subscribers_PDP_Policy.pdf), consultada el 21/10/2026. [^2]: [Nasdaq: US Equities and Options Data Policies](https://www.nasdaqtrader.com/content/AdministrationSupport/Policy/USEquitiesandOptionsDataPolicies.pdf), versión 2.6, secciones de definiciones, datos derivados y non-display. [^3]: [NYSE: Comprehensive Market Data Policies](https://www.nyse.com/publicdocs/nyse/data/NYSE_Proprietary_Market_Data_Comprehensive_Policy_Package.pdf) (21/03/2022), §2.1 y §2.3. [^4]: [SEC: Privacy Information](https://www.sec.gov/privacy) (información pública de sec.gov), consultada el 21/10/2026. [^5]: [BCE: Policy regarding the reuse of ESCB statistics](https://www.ecb.europa.eu/stats/ecb_statistics/governance_and_quality_framework/html/usage_policy.en.html). [^6]: [FRED: Legal Notices, Information and Disclaimers](https://fred.stlouisfed.org/legal/). [^7]: [Yahoo Terms of Service](https://legal.yahoo.com/us/en/yahoo/terms/otos/index.html) (actualizados el 4 de agosto de 2026) y el README de [yfinance](https://github.com/ranaroussi/yfinance). [^8]: [Creative Commons: Atribución 4.0 Internacional](https://creativecommons.org/licenses/by/4.0/deed.es). ## Autoevaluación 1. Según la política de NYSE, ¿quién puede ser suscriptor «non-professional»? - A. Cualquier empresa pequeña - B. Una persona física que recibe los datos solo para uso personal, no empresarial, y que no es profesional de valores (no registrada ante la SEC, la CFTC u otros organismos, ni asesora de inversiones, ni empleada de un banco exento) - C. Cualquiera que pague el plan barato - D. Cualquiera que no opere con dinero de terceros *Respuesta B: Una persona física que recibe los datos solo para uso personal, no empresarial, y que no es profesional de valores (no registrada ante la SEC, la CFTC u otros organismos, ni asesora de inversiones, ni empleada de un banco exento).* La definición exige las dos cosas: persona física con uso personal y no ser profesional de valores. Si los datos llegan por la cuenta de una organización, el usuario se clasifica como profesional. 2. Para Nasdaq, ¿qué es un suscriptor si no se ha acreditado como non-professional? - A. Non-professional por defecto - B. Profesional: todos los suscriptores se consideran profesionales salvo que cumplan la definición de non-professional - C. Depende del país - D. No puede recibir datos *Respuesta B: Profesional: todos los suscriptores se consideran profesionales salvo que cumplan la definición de non-professional.* Las políticas de datos de Nasdaq lo dicen así. La carga de la prueba es del suscriptor. 3. Tu programa lee cotizaciones en tiempo real y envía órdenes sin que nadie las mire en pantalla. ¿Qué uso es, en la terminología de NYSE y Nasdaq? - A. Uso en pantalla (display) - B. Uso «non-display»: acceso o procesamiento por una máquina, con propósito distinto de mostrar los datos; incluye el trading algorítmico - C. Redistribución - D. Datos derivados *Respuesta B: Uso «non-display»: acceso o procesamiento por una máquina, con propósito distinto de mostrar los datos; incluye el trading algorítmico.* NYSE define el non-display como acceder, procesar o consumir los datos con un propósito distinto de mostrarlos o redistribuirlos, e incluye expresamente el trading algorítmico. Suele tener tarifas propias. 4. Publicas las rentabilidades diarias de una acción calculadas con datos de un proveedor. ¿Son «datos derivados» en el sentido de Nasdaq? - A. Sí, porque son un cálculo - B. No necesariamente: si permiten reconstruir los precios (con un solo precio de partida bastan), son un sustituto razonable de los datos originales - C. Sí, siempre que se redondeen - D. Nunca hay datos derivados *Respuesta B: No necesariamente: si permiten reconstruir los precios (con un solo precio de partida bastan), son un sustituto razonable de los datos originales.* Nasdaq define los datos derivados como información que no puede usarse para recrear los datos de la bolsa ni como sustituto razonable. En la lección, las rentabilidades de NOVA reconstruyen sus cierres con un error del orden de 10⁻¹³ dólares. 5. ¿Qué condiciones pone el BCE para reutilizar sus estadísticas públicas? - A. Ninguna - B. Citar la fuente y no modificar las estadísticas ni sus metadatos - C. Solo uso no comercial - D. Pedir permiso por escrito *Respuesta B: Citar la fuente y no modificar las estadísticas ni sus metadatos.* Su política de reutilización permite el uso gratuito con esas dos condiciones. Los datos de terceros que publica necesitan permiso de su autor. ## Ideas clave - Los datos de mercado se licencian, no se compran: el contrato dice quién puede usarlos, cómo y qué puede publicar. - Non-professional, según NYSE y Nasdaq, es una persona física con uso personal que no es profesional de valores; en Nasdaq, todo suscriptor es profesional salvo que acredite lo contrario. - Mostrar datos en pantalla, procesarlos con una máquina (non-display, incluido el trading algorítmico), crear derivados y redistribuir son usos distintos, con licencias y tarifas distintas. - Un dato es «derivado» solo si no permite reconstruir el original: unas rentabilidades diarias reconstruyen los precios; un Sharpe anual, no. - Las fuentes públicas también tienen condiciones: la SEC pide citarla, el BCE citar y no modificar, FRED permiso para series con copyright de terceros; los términos de Yahoo prohíben redistribuir sin permiso. - Los datos sintéticos del curso no salen de ningún feed: se pueden compartir sin arrastrar licencias de terceros, que es una de las razones por las que el curso los usa. ## Recursos ### Documentación - [NYSE: Nonprofessional Subscriber Policy (PDF)](https://www.nyse.com/publicdocs/nyse/data/Non_Professional_Subscribers_PDP_Policy.pdf) · nyse.com - [Nasdaq: US Equities and Options Data Policies (PDF)](https://www.nasdaqtrader.com/content/AdministrationSupport/Policy/USEquitiesandOptionsDataPolicies.pdf) · nasdaqtrader.com - [NYSE: Comprehensive Market Data Policies (non-display, PDF)](https://www.nyse.com/publicdocs/nyse/data/NYSE_Proprietary_Market_Data_Comprehensive_Policy_Package.pdf) · nyse.com - [BCE: Policy regarding the reuse of ESCB statistics](https://www.ecb.europa.eu/stats/ecb_statistics/governance_and_quality_framework/html/usage_policy.en.html) · ecb.europa.eu - [Creative Commons: Atribución 4.0 Internacional](https://creativecommons.org/licenses/by/4.0/deed.es) · creativecommons.org ### Datos - [Datos del nivel 1: NOVA diario sin ajustar (CSV)](https://pythonparatrading.com/curso/datos/nivel-1/nova_diario_sin_ajustar.csv) · Descarga · nova_diario_sin_ajustar.csv Lección anterior: [1.3.6 · Brókeres como fuente de datos](https://pythonparatrading.com/curso-python-trading/nivel-1/brokers-como-fuente-de-datos/) Lección siguiente: [1.3.8 · Cómo elegir proveedor de datos](https://pythonparatrading.com/curso-python-trading/nivel-1/como-elegir-proveedor-de-datos/)