Sesiones, subastas, festivos y calendarios.

Las fases de una sesión

En una bolsa de acciones no se negocia de la misma forma a todas horas. La sesión se divide en fases y cada una tiene sus reglas para cruzar órdenes. Las dos formas básicas son la negociación continua, en la que una orden que llega se ejecuta al momento contra las que ya esperan en el libro (lección 1.1.3), y la subasta, en la que las órdenes se acumulan durante un tiempo sin ejecutarse y al final se cruzan todas a un único precio.

stateDiagram-v2
  [*] --> Preapertura
  Preapertura --> Continua: subasta apertura
  Continua --> Volatilidad: precio fuera rango
  Volatilidad --> Continua: fin de subasta
  Continua --> Cierre: hora de cierre
  Cierre --> Poscierre: precio de cierre
  Poscierre --> [*]

• Preapertura y subasta de apertura. Se pueden enviar, modificar y cancelar órdenes, pero no hay operaciones. El sistema publica un precio teórico de equilibrio que se va moviendo con las órdenes. Al final, todas las órdenes compatibles se cruzan al mismo precio: el de apertura.
• Negociación continua. El libro está abierto: cada orden agresiva se ejecuta contra la mejor contraria.
• Subasta de volatilidad. Si una operación fuera a producirse demasiado lejos del último precio o del precio de referencia, el mercado suspende la negociación continua de ese valor y abre una subasta corta. Sirve para que una noticia o un error no se conviertan en una cascada de operaciones a precios absurdos. Los umbrales y la duración los fija cada bolsa en su reglamento, y en un backtest aparecen como huecos de unos minutos sin operaciones.
• Subasta de cierre. Igual que la de apertura, al final del día. Fija el precio de cierre oficial.
• Poscierre. En algunas bolsas, un rato en el que se puede operar solo al precio de cierre.

Dos bolsas que se usan a menudo en el curso, con sus horarios oficiales en hora local:

En la NYSE, las órdenes al cierre (MOC y LOC, lección 1.1.4) se pueden enviar, modificar o cancelar hasta las 15:50. A partir de ahí la bolsa publica el desequilibrio entre compras y ventas al cierre y solo admite órdenes que lo reduzcan11Nota 1 · Horarios de la NYSE en su página «Holidays & Trading Hours» y en el folleto «NYSE opening and closing auctions»; los de BME, en la página «Horario Bolsa Española» de BME Exchange (consultadas el 21 de octubre de 2026).. En BME, el Trading At Last permite seguir comprando y vendiendo diez minutos más, pero solo al precio que acaba de fijar la subasta de cierre.

Calendarios de bolsa en Python

Escribir las horas a mano («la NYSE abre a las 15:30 de Madrid») funciona hasta el primer cambio de hora. Un calendario de bolsa sabe, para cada fecha, si hay sesión, a qué hora abre y cierra en UTC, si hay pausa de mediodía y si es una media sesión. Las dos librerías de referencia en Python son exchange_calendars (códigos ISO 10383 de mercado, como XNYS; 71 calendarios sin contar alias en la versión 4.13.2) y pandas_market_calendars, que reutiliza esos calendarios y añade muchos más, sobre todo de futuros (211 nombres, alias incluidos, en la versión 5.5.0). Ambas están instaladas en el entorno del curso.

import exchange_calendars as xcals
import pandas as pd

bolsas = {"XTKS": "Tokio", "XHKG": "Hong Kong", "XLON": "Londres",
          "XETR": "Xetra", "XMAD": "Madrid", "XNYS": "Nueva York"}
dia = pd.Timestamp("2025-06-02")
filas = {}
for codigo, nombre in bolsas.items():
    cal = xcals.get_calendar(codigo)
    filas[nombre] = {
        "abre": cal.session_open(dia),
        "pausa": cal.session_break_start(dia),
        "reanuda": cal.session_break_end(dia),
        "cierra": cal.session_close(dia),
    }
sesiones = pd.DataFrame(filas).T
hhmm = lambda c: pd.to_datetime(c).dt.strftime("%H:%M")
sesiones.apply(hhmm).fillna("")

             abre  pausa reanuda cierra
Tokio       00:00  02:30   03:30  06:30
Hong Kong   01:30  04:00   05:00  08:00
Londres     07:00                 15:30
Xetra       07:00                 15:30
Madrid      07:00                 15:30
Nueva York  13:30                 20:00

Todas las horas salen en UTC, que es como hay que guardarlas (lección 0.4.4). Tokio y Hong Kong tienen pausa de mediodía: una hora sin negociación continua en la que el calendario devuelve pausa y reanuda. En las bolsas sin pausa esas columnas quedan vacías. En hora local las cosas se reconocen mejor:

for codigo, nombre in bolsas.items():
    cal = xcals.get_calendar(codigo)
    abre = cal.session_open(dia).tz_convert(cal.tz)
    cierra = cal.session_close(dia).tz_convert(cal.tz)
    print(f"{nombre:<11} {abre:%H:%M}-{cierra:%H:%M}  {cal.tz}")

Tokio       09:00-15:30  Asia/Tokyo
Hong Kong   09:30-16:00  Asia/Hong_Kong
Londres     08:00-16:30  Europe/London
Xetra       09:00-17:30  Europe/Berlin
Madrid      09:00-17:30  Europe/Madrid
Nueva York  09:30-16:00  America/New_York

La figura de la cabecera dibuja las seis sesiones sobre el mismo eje UTC. Tres cosas se ven a simple vista. Tokio ha cerrado cuando abre Europa, y Hong Kong solo coincide con ella una hora. Londres, Xetra y Madrid abren y cierran a la misma hora UTC ese día. Y entre Europa y Nueva York solo hay dos horas de solape, de 13:30 a 15:30 UTC: el único tramo en el que una estrategia puede comprar en Madrid y vender en Nueva York con los dos libros abiertos.

Ese solape no es fijo. Estados Unidos y Europa cambian la hora en fechas distintas, así que durante unas semanas al año la diferencia entre Madrid y Nueva York es de cinco horas en lugar de seis (la figura de la lección 0.4.4 lo muestra con las aperturas de 2026). El calendario lo resuelve sin que haya que pensarlo:

mad = xcals.get_calendar("XMAD")
nys = xcals.get_calendar("XNYS")
rango = ("2025-01-02", "2025-12-31")
comunes = mad.sessions_in_range(*rango).intersection(
    nys.sessions_in_range(*rango))
solape = mad.closes[comunes] - nys.opens[comunes]
(solape.dt.total_seconds() / 3600).value_counts().sort_index()

-1.5      2
 2.0    225
 3.0     20
Name: count, dtype: int64

De las 247 sesiones comunes de 2025, 225 tienen dos horas de solape, 20 tienen tres (las semanas de desfase del horario de verano, en marzo y a finales de octubre) y 2 tienen un valor negativo: son las medias sesiones de Madrid del 24 y el 31 de diciembre, en las que el mercado continuo cierra a las 14:00, hora y media antes de que abra la NYSE. Un sistema que asuma «siempre dos horas de solape» se equivoca en 22 sesiones al año.

Festivos, cierres extraordinarios y medias sesiones

Los festivos de cada bolsa no coinciden con los de su país ni con los de las demás bolsas, y cambian cada año: un festivo que cae en sábado puede trasladarse al viernes, o no. Además hay cierres que nadie preveía: la NYSE cerró el 9 de enero de 2025 por el día de luto nacional por el expresidente Carter, anunciado el 30 de diciembre22Nota 2 · Calendario de 2025: comunicado de NYSE Group «NYSE Group Announces 2025, 2026 and 2027 Holiday and Early Closings Calendar»; cierre del 9 de enero, comunicado de ICE del 30 de diciembre de 2024. Calendario de 2026: página «Holidays & Trading Hours» de la NYSE.. Y hay medias sesiones: en la NYSE, el 3 de julio, el viernes siguiente a Acción de Gracias y el 24 de diciembre suelen cerrar a las 13:00.

nyse = xcals.get_calendar("XNYS")

def cerrados(cal, desde, hasta):
    laborables = pd.bdate_range(desde, hasta)
    return laborables.difference(cal.sessions)

for anio in ("2025", "2026"):
    dias = cerrados(nyse, f"{anio}-01-01", f"{anio}-12-31")
    print(anio, len(dias), "días:", ", ".join(dias.strftime("%d/%m")))

2025 11 días: 01/01, 09/01, 20/01, 17/02, 18/04, 26/05, 19/06, 04/07, 01/09, 27/11, 25/12
2026 10 días: 01/01, 19/01, 16/02, 03/04, 25/05, 19/06, 03/07, 07/09, 26/11, 25/12

Comparado con lo que publica la NYSE, el calendario acierta. Para 2026 se puede comprobar contra la lista de su página de festivos, copiada a mano:

nyse_com = pd.to_datetime([
    "2026-01-01", "2026-01-19", "2026-02-16", "2026-04-03",
    "2026-05-25", "2026-06-19", "2026-07-03", "2026-09-07",
    "2026-11-26", "2026-12-25"])
medias_nyse_com = pd.to_datetime(["2026-11-27", "2026-12-24"])

libreria = cerrados(nyse, "2026-01-01", "2026-12-31")
medias = nyse.early_closes[nyse.early_closes.year == 2026]
print("Festivos iguales:", libreria.equals(pd.DatetimeIndex(nyse_com)))
print("Medias sesiones iguales:", medias.equals(medias_nyse_com))
nyse.closes[medias].dt.tz_convert("America/New_York").dt.strftime(
    "%Y-%m-%d %H:%M")

Festivos iguales: True
Medias sesiones iguales: True
2026-11-27    2026-11-27 13:00
2026-12-24    2026-12-24 13:00
Name: close, dtype: str

En 2026 el 4 de julio cae en sábado y el festivo se traslada al viernes 3, así que ese año no hay media sesión el día antes de la fiesta. Es el tipo de detalle que un calendario hecho a mano se salta. El calendario tampoco es eterno: se actualiza con cada versión de la librería. Un cierre extraordinario como el del 9 de enero de 2025 solo aparece en las versiones publicadas después del anuncio, así que conviene fijar la versión en el proyecto (lección 0.2.2) y actualizarla a propósito.

Los cambios de horario también quedan registrados. La Bolsa de Tokio alargó su sesión de tarde media hora el 5 de noviembre de 2024, con una subasta de cierre nueva33Nota 3 · JPX, «Cash Market Trading Hours Extension Kicked Off Today», 5 de noviembre de 2024. El horario vigente, de 9:00 a 11:30 y de 12:30 a 15:30, está en la página «Trading Hours» de JPX.:

tks = xcals.get_calendar("XTKS")
for d in ("2024-11-01", "2024-11-05"):
    cierre = tks.session_close(d).tz_convert("Asia/Tokyo")
    print(d, "cierra a las", cierre.strftime("%H:%M"))

2024-11-01 cierra a las 15:00
2024-11-05 cierra a las 15:30

pandas_market_calendars ofrece lo mismo con otra interfaz: un schedule con una fila por sesión. Es cómodo para generar rejillas de barras, y trae calendarios separados para cada grupo de futuros (CME_Equity, CME_Rate…), donde exchange_calendars tiene uno genérico por bolsa (CMES):

import pandas_market_calendars as mcal

nyse_m = mcal.get_calendar("NYSE")
nyse_m.schedule("2025-11-26", "2025-12-01")

                         market_open              market_close
2025-11-26 2025-11-26 14:30:00+00:00 2025-11-26 21:00:00+00:00
2025-11-28 2025-11-28 14:30:00+00:00 2025-11-28 18:00:00+00:00
2025-12-01 2025-12-01 14:30:00+00:00 2025-12-01 21:00:00+00:00

El jueves 27 no aparece y el viernes 28 cierra a las 18:00 UTC, las 13:00 de Nueva York. Las dos librerías deberían dar las mismas sesiones; comprobarlo es barato y detecta versiones desfasadas:

sched = nyse_m.schedule("2025-01-02", "2025-12-31")
x_cierres = nyse.closes["2025-01-02":"2025-12-31"]
print(len(sched), "sesiones en 2025")
print("Mismos cierres:", (sched["market_close"] == x_cierres).all())

250 sesiones en 2025
Mismos cierres: True

La subasta de apertura, orden a orden

En la subasta no hay agresor ni libro que se recorra: hay una lista de órdenes y un único precio para todas. La regla general es maximizar el volumen ejecutable. Para cada precio candidato $p$:

Las órdenes a mercado cuentan a cualquier precio: una compra a mercado está dispuesta a pagar lo que sea, y una venta a mercado, a vender a lo que sea. La demanda $D(p)$ baja al subir el precio; la oferta $S(p)$ sube. El precio de la subasta es el $p$ con mayor $V(p)$, y la diferencia $D(p) - S(p)$ a ese precio es el desequilibrio: órdenes que quedan sin ejecutar y pasan a la sesión continua. Si varios precios empatan en volumen, cada bolsa tiene sus reglas de desempate (menor desequilibrio, cercanía al precio de referencia…), publicadas en su reglamento.

El fichero nova_subasta_apertura.csv es el libro de la subasta de apertura de NOVA del 2 de junio de 2025 en el instante del cruce:

import numpy as np

sub = pd.read_csv("nova_subasta_apertura.csv")
print(len(sub), "órdenes")
sub.groupby(["lado", "tipo"])["tamano"].agg(["size", "sum"])

139 órdenes
                 size    sum
lado   tipo
compra limitada    63  27400
       mercado      8  17000
venta  limitada    61  30600
       mercado      7  14600

compra = sub[sub["lado"] == "compra"]
venta = sub[sub["lado"] == "venta"]

def demanda(p):  # compras dispuestas a pagar p o más
    ok = compra["tipo"].eq("mercado") | compra["precio_limite"].ge(p)
    return compra.loc[ok, "tamano"].sum()

def oferta(p):   # ventas dispuestas a vender a p o menos
    ok = venta["tipo"].eq("mercado") | venta["precio_limite"].le(p)
    return venta.loc[ok, "tamano"].sum()

curva = pd.DataFrame({"precio": np.sort(sub["precio_limite"].dropna()
                                        .unique())})
curva["demanda"] = curva["precio"].map(demanda)
curva["oferta"] = curva["precio"].map(oferta)
curva["ejecutable"] = curva[["demanda", "oferta"]].min(axis=1)
curva["deseq"] = curva["demanda"] - curva["oferta"]
mejor = curva["ejecutable"].idxmax()
curva.loc[mejor - 3:mejor + 3]

    precio  demanda  oferta  ejecutable  deseq
19   53.32    35200   30200       30200   5000
20   53.33    34200   32200       32200   2000
21   53.34    34200   33200       33200   1000
22   53.35    33900   34500       33900   -600
23   53.36    31400   34500       31400  -3100
24   53.37    29900   35800       29900  -5900
25   53.38    29900   36800       29900  -6900

Las dos curvas se cruzan entre 53,34 y 53,35. A 53,34 habría 34.200 acciones de demanda y 33.200 de oferta: se ejecutarían 33.200. A 53,35 la demanda baja a 33.900 y la oferta sube a 34.500: se ejecutan 33.900, el máximo. A 53,36 la demanda cae a 31.400. El precio de apertura es 53,35 USD, con 33.900 acciones y un desequilibrio de −600: sobran 600 acciones a la venta, que pasan al libro de la sesión continua. La comprobación final es contra la cinta:

op = pd.read_parquet("nova_operaciones.parquet")
apertura = op.iloc[0]
print(apertura[["ts", "precio", "tamano", "condicion"]].to_string())
print("Coincide:", apertura["precio"] == curva.loc[mejor, "precio"]
      and apertura["tamano"] == curva.loc[mejor, "ejecutable"])

ts           2025-06-02 13:30:00+00:00
precio                           53.35
tamano                           33900
condicion             subasta_apertura
Coincide: True

La primera operación del día es exactamente la subasta reconstruida: mismo precio, mismo volumen, a las 13:30:00 UTC y sin agresor. Es también el precio de apertura que dará cualquier proveedor de datos diarios. La primera operación de la sesión continua, 0,3 segundos después, ya fue a 53,34 (lección 1.1.1).

El volumen en U y la subasta de cierre

El volumen no se reparte por igual a lo largo del día. Las barras de 5 minutos de NOVA de 2024 y 2025 permiten medir la forma típica: para cada sesión completa, qué porcentaje del volumen del día cae en cada tramo, y luego la media de todas las sesiones.

barras = pd.read_parquet("nova_barras_5min.parquet")
ny = barras["ts"].dt.tz_convert("America/New_York")
barras["sesion"] = ny.dt.date
barras["hora"] = ny.dt.strftime("%H:%M")

n_barras = barras.groupby("sesion")["ts"].size()
print(n_barras.value_counts().to_string())

normales = barras[barras["sesion"].map(n_barras) == 78].copy()
total = normales.groupby("sesion")["volumen"].transform("sum")
normales["cuota"] = 100 * normales["volumen"] / total
perfil = normales.groupby("hora")["cuota"].mean()
perfil.iloc[[0, 1, 2, 3, 38, 39, 74, 75, 76, 77]].round(2)

ts
78    496
42      6
hora
09:30     3.06
09:35     2.43
09:40     2.08
09:45     1.79
12:40     1.04
12:45     1.04
15:40     1.40
15:45     1.56
15:50     1.82
15:55    11.28
Name: cuota, dtype: float64

Hay 496 sesiones completas de 78 barras y 6 medias sesiones de 42 (de 9:30 a 13:00), que se dejan fuera para no mezclar perfiles. La primera barra, de 9:30 a 9:35, reúne de media el 3,06 % del volumen del día; a mediodía cada barra ronda el 1 %; en la última media hora el volumen vuelve a subir, y la última barra, la de las 15:55, salta al 11,28 % porque incluye la subasta de cierre. Es la «U» clásica de las acciones, con la pata derecha mucho más alta que la izquierda.

¿Por qué el cierre? Porque es el precio con el que se valoran los fondos. Un fondo indexado que tiene que comprar las acciones que entran en su índice, o que recibe suscripciones, busca ejecutar exactamente al precio de cierre: así replica el índice sin error. La forma de conseguirlo es enviar órdenes a la subasta de cierre (órdenes MOC). Lo mismo hacen muchas gestoras que se miden contra el cierre. La sesión del 2 de junio de 2025 lo muestra con una cifra:

vol_dia = op["tamano"].sum()
por_tipo = op.groupby("condicion")["tamano"].sum()
(100 * por_tipo / vol_dia).round(2)

condicion
bloque               3.66
regular             86.00
subasta_apertura     0.38
subasta_cierre       9.96
Name: tamano, dtype: float64

Casi el 10 % del volumen del día se cruza en un solo instante, en la subasta de cierre, y la de apertura apenas llega al 0,4 %. Para un sistema de trading esto tiene dos caras. A favor: si la estrategia opera al cierre, la subasta ofrece muchísima liquidez a un precio conocido de antemano por todos. En contra: el precio de la última operación continua (15:59:59) no es el cierre oficial, y un backtest que «compra al cierre» con la barra de las 15:55 debe decidir si participa en la subasta (y entonces enviar la orden antes de las 15:50 en la NYSE) o en la sesión continua previa.

Lo que esto cambia en tus datos

flowchart TB
  D[Datos crudos UTC] --> C{¿Hay sesión?}
  C -- no --> X[Descartar fila]
  C -- sí --> H{¿Dentro de horas?}
  H -- no --> E[Pre o poscierre]
  H -- sí --> B[Barra de sesión]
  B --> M{¿Media sesión?}
  M -- sí --> Q[42 barras]
  M -- no --> R[78 barras]

• Fechas de barra diaria. La barra diaria de una sesión lleva su fecha local, que no siempre es la fecha UTC de sus barras. Tokio abre a las 00:00 UTC, justo en el cambio de día, y en los mercados que abren la tarde anterior (muchos futuros) las primeras barras de una sesión tienen fecha UTC del día previo. Agrupa por sesión del calendario, no por fecha UTC.
• Barras que faltan. Una media sesión tiene 42 barras de 5 minutos, no 78. Un resample a 5 minutos sin calendario rellena con vacíos las horas en que la bolsa estaba cerrada (o se las salta si eran festivos), y un indicador de «N barras» mezcla días.
• Subastas dentro de las barras. Muchos proveedores meten la subasta de cierre en la última barra, como aquí. Un filtro de «volumen anómalo» la tomará por una señal cada día.
• Huecos de volatilidad. Unos minutos sin operaciones en mitad de la sesión pueden ser una subasta de volatilidad, no un fallo de datos (lección 1.4.2).
• Rendimientos entre sesiones. El rendimiento de un lunes incluye el fin de semana y, tras un festivo, dos o tres días. Para comparar días, cuenta sesiones con el calendario y no días naturales (lección 1.6.3).

Ejercicios

1. Calcula las horas de solape entre Madrid y Nueva York el 12 de marzo y el 2 de junio de 2025 y explica la diferencia.

for d in ("2025-03-12", "2025-06-02"):
    h = (mad.session_close(d) - nys.session_open(d)).total_seconds()
    print(d, "NYSE abre", nys.session_open(d).strftime("%H:%M"),
          "UTC; Madrid cierra", mad.session_close(d).strftime("%H:%M"),
          f"UTC; solape {h / 3600:.0f} h")

2025-03-12 NYSE abre 13:30 UTC; Madrid cierra 16:30 UTC; solape 3 h
2025-06-02 NYSE abre 13:30 UTC; Madrid cierra 15:30 UTC; solape 2 h

2. Llega a la subasta de apertura de NOVA una compra a mercado de 5.000 acciones. Recalcula el precio, el volumen ejecutable y el desequilibrio.

extra = pd.DataFrame([{"lado": "compra", "tipo": "mercado",
                       "precio_limite": np.nan, "tamano": 5000}])
compra = pd.concat([compra, extra], ignore_index=True)
curva["demanda"] = curva["precio"].map(demanda)
curva["ejecutable"] = curva[["demanda", "oferta"]].min(axis=1)
curva["deseq"] = curva["demanda"] - curva["oferta"]
curva.loc[curva["ejecutable"].idxmax()]

precio           53.37
demanda       34900.00
oferta        35800.00
ejecutable    34900.00
deseq          -900.00
Name: 24, dtype: float64

3. Explica por qué una estrategia que calcula su señal con el precio de cierre y «compra al cierre» del mismo día tiene un sesgo de anticipación, y propón dos formas de corregirlo con los datos de esta lección.