Archivo
Todos los informes, del más reciente al más antiguo.
El desastre de Knight Capital fue un fallo de estado. Cómo modelar la ejecución de estrategias y el ciclo de vida de las órdenes con máquinas de estado finito en Python: guards, kill switch, cooldown, testing y el puente hacia LangGraph.
Ultima actualizacion de la liberia qastats de reporting avanzado de portfolios y estrategias de trading en python
En esta entrega,ampliamos el backtester para utilizarlo como un buscador de amplio espectro y encontrar ventajas estacionales. Realizamos un backtest a todos los parametros necesarios para analizar la estacionalidad intradia del activo
En este articulo, analizamos el ratio de sharpe, el value at risk (VaR) el Conditional Value At Risk (CVaR), el System Quality Number (SQN) y otros ratios relevantes para analizar el backtest.
Descubre cómo identificar patrones estacionales intradía en futuros y validar estrategias de trading mediante backtesting. Aprende a utilizar Python para analizar datos históricos, optimizar parámetros y evaluar el rendimiento de tus algoritmos antes de aplicarlos en el mercado real
Tras una larga temporada desconectados, volvemos con notas para vosotros. En esta ocasion programaremos desde cero un proceso de research completo, reutilizable en el futuro.
Una estrategia quant es una estrategia sistemática, condicionada por los datos y el modelo, el cual está programado para generar decisiones de inversión. El principal pilar dentro del quant research, es el método científico.
En este artículo, vamos a crear una solución para poder utilizar cualquier tipo de dato, dentro de un pipeline de zipline. Crearemos un algoritmo, que consulte el datalake, realice las transformaciones oportunas y posteriormente ingiera los datos hacia zipline dentro del denominado bundle.
En este artículo, exploraremos la creación de un algoritmo para gestionar datos financieros en nuestro datalake, utilizando ArcticDB como backend y el proveedor de datos End Of Day Historical (EODH).
En el artículo anterior, realizamos una introducción a las bases de datos NoSQL y sus ventajas, casos de uso y justificaciones pertinentes.
En este articulo se explica las caracteristicas y cualidades de un datalake, al mismo tiempo que se explica un plan de ejecucion para su creacion basado en python y arcticdb.
Aprende trading algorítmico con Python desde cero. Descubre cómo crear, analizar y optimizar estrategias de trading paso a paso en este curso práctico
Analisis estacional sobre los bonos americanos en Python, segun Jonathan Hartley y Krista Schawarz
Con el tiempo, algunos codigos empiezan a ver la luz publicamente. Revisando repositorios viejos, encontre una version muy primitiva de una libreria de reporting que nos facilito mucho la vida en su momento.
En este articulo, calculamos el indice de liquidez del dolar estadounidense en Python, utilizando datos de la api de la reserva federal FRED y openBB
En este articulo, explicamos como conseguir datos de mercado de acciones,futuros,opciones,forex etc... de forma gratuita con openBB y Python
En este nuevo artículo, vamos a tratar como crear un entorno profesional para trading quant algorítmicos. Para ello vamos a utilizar un stock de tecnologías, que nos van a facilitar el deployeo, focalizando nuestra actividad en el research puro, y no en la infraestructura.
En este articulo, vamos a extraer informacion de nuestro data bundle fuera de la pipeline, para poder realizar nuestro analisis, out of pipeline o independientemente de la plataforma
En el trading algoritmico hay innumerables opciones para realizar analisis o backtests, pero vamos a usar el mejor quant stack para construir un pipeline profesional de research y backtesting.
En el complejo campo de la economia y la politica monetaria, es fundamental tener la capacidad de analizar y comprender las tendencias y los efectos de las politicas economicas.