Curso online
¿Quieres crear estrategias de trading algorítmico? ¿Ya tienes conocimientos de trading y quieres aprender sobre trading cuantitativo / finanzas? ¿Eres simplemente una persona curiosa que quiere adentrarse en este tema para monetizar y diversificar sus conocimientos?
Si la respuesta a alguna de estas preguntas es que sí, te doy la bienvenida a este curso. Todas las aplicaciones del curso se harán utilizando Python. Sin embargo, para aquellos que son principiantes en Python ¡no hay nada que temer! En el propio curso hay dos secciones intensivas de Python para dominar este lenguaje de programación.
En este curso, aprenderás a utilizar el análisis técnico para crear estrategias sólidas. Realizarás un análisis cuantitativo para encontrar patrones en los datos. Una vez que tengas muchas estrategias rentables, aprenderemos a realizar backtesting vectorial. A continuación, aplicarás técnicas de gestión de carteras y de riesgos para reducir el drawdown y maximizar tus rendimientos.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
-Crear una estrategia de trading desde cero, backtestarla y optimizarla. -Comprender cómo crear y utilizar indicadores técnicos con Python. -Conceptos básicos de Python y matemáticas para el trading algorítmico. -Realizar backtesting de nuestra estrategia sin errores utilizando backtesting vectorizado. -Aprender a analizar nuestro drawdown. -Añadir un stop loss a las estrategias. -Combine diferentes indicadores técnicos para duplicar ganancias. -Muchas métricas financieras: Ratio Sortino, alfa, beta... -Conceptos avanzados de trading algorítmico como el exponente de Hurst y cómo adaptar nuestra estrategia a nuestros datos.
A quién va dirigido
¡Descubre el mundo del Trading Algorítmico con el segundo curso de la ruta! Ideal para todos quienes sean: -Autodidactas de finanzas que quieren automatizar estrategias de inversión para ahorrar tiempo y reducir errores humanos. -Programadores curiosos por las finanzas que quieren aplicar sus habilidades técnicas en un ámbito rentable y fascinante como los mercados financiero. -Inversionistas activos que buscan optimizar resultados y quieren sistematizar su operativa, reducir el estrés emocional al invertir y aprovechar estrategias que antes no podían ejecutar por limitaciones de tiempo.
Requisitos
Aunque el curso en sí no tiene prerrequisitos, para seguirlo fácilmente te recomendamos: -Haber completado el curso de Python de la A a la Z para tener conocimientos previos de programación en Python. -Tener un ordenador con conexión a internet y con cualquier sistema operativo instalado y saber utilizarlo a nivel de usuario. -Haber completado los cursos anteriores de la ruta de Finanzas y Trading Algorítmico.
Temario completo de este curso
Introducción
Bienvenido al curso de trading algorítmico para principiantes
Los contenidos del curso
El repositorio Github y los materiales del curso
Instala los entornos del curso
Toma notas de tu curso en tiempo real en Frogames Formación
¿Cómo iniciarse en el campo del trading algorítmico?
Introducción
Trading Algorítmico vs Trading Cuantitativo
Sistema de Trading Automatizado
Contratos por Diferencias (CFD)
Señales de Entrada y Salida
Evaluar la pareja riesgo-retorno
Pre Requisitos para tener éxito en el trading algorítmico
Fundamentos de Python
Introducción
Tipo de Objeto: Números
Tipo de Objeto: Strings
Tipo de Objeto: Operadores Lógicos y Booleanos
Tipo de Objeto: Asignación de Variables
Tipo de Objeto: Tuplas y Listas
Tipo de Objeto: Diccionarios
Tipo de Objeto: Conjuntos
Estructuras de Python: If, Elif y Else
Estructuras de Python: For
Estructuras de Python: While
Funciones: fundamentos de las funciones
Funciones: variable local
Funciones: variable global
Funciones: funciones lambda
Python aplicado a la Ciencia de Datos
Introducción
Numpy: Arrays
Numpy: Random
Numpy: Índices / Slicing / Transformaciones
Pandas: Series y DataFrames
Pandas: Limpieza y Selección
Pandas: Selección Condicional
Matplotlib: Representación gráfica
Matplotlib: Scatter
Matplotlib: Herramientas
Las bases de la estadística
Introducción
Muestra vs Población
Aplicación: Cargar los datos de acciones de Google
Medidas de Tendencia Central: La Media
Aplicación: Cálculo del retorno medio de Google y anualización del retorno
Medidas de Tendencia Central: La Mediana
Aplicación: ¿Problemas con outliers? Calcula la Mediana
Medidas de Tendencia Central: El Percentil
Aplicación: Entender la distribución del retorno de las acciones de Google
Medidas de Dispersión: La Varianza
Aplicación: Calcular la varianza y anualizarla
Medidas de Dispersión: La Desviación Estándar
Aplicación: Calcular la volatilidad y anualizarla
Medidas de Relación: Matriz de Varianzas / Covarianzas
Aplicación: Covarianzas entre Activos Financieros
Medidas de Relación: Correlación
Aplicación: Correlación entre Activos Financieros
Resumen general de estadística descriptiva
Importar y manejar los datos
Introducción
Importar y manejar datos que proceden de Metatrader 5
Ejemplo de cómo funciona Metatrader 5 en Windows
Importar y manejar datos que proceden de Yahoo Finanzas
Las primeras estrategias de trading algorítmico
Introducción
Medias móviles simples (SMA)
La Estrategia
Verificar la posición de trading calculada
Calcular las ganancias de nuestra estrategia de trading
Cómo automatizar la estrategia anterior
Vídeo importante: ¡El rendimiento depende del broker!
Backtesting vectorizado
Introducción
El índice de Sortino
Cálculo del índice beta (métrica CAMP)
Cálculo del índice alpha (métrica CAMP)
Creación de la función Drawdown
Aplicación de la función Drawdown
La función de backtesting
Probando el backtesting de nuestra estrategia
Estrategias de trading intermedias: combinar diferentes señales
Introducción
Mejorar lo que ya funcionaba
Calcular el RSI (Relative Strength Index)
Añadir múltiples condiciones a la hora de añadir una posición
Verificar si las posiciones se han implementado correctamente
Calcular las ganancias
Aplicar un stop loss (SL) a los retornos
Automatizar la estrategia
Comparar la misma estrategia utilizando diferentes fuentes de datos
Crear un porftolio de estrategias de trading
Conceptos avanzados para optimizar tus estrategias
Introducción
¿Qué es el exponente Hurst?
¿Cómo saber si un activo tiene un movimiento de tendencia o no?
¿Cómo saber si un asset es anti persistente o no?
¿Cómo saber si un asset sigue un movimiento aleatorio o no?
Adapta tu estrategia a tus datos
Trading en vivo con Metatrader 5
Introducción
Cómo instalar librerías de Python desde Jupyter Notebook
Inicializar la plataforma de Metatrader 5
Obtener datos desde el broker
Enviar órdenes de compra y venta desde Python
Consultar las posiciones actuales
Ejecutar la creación de la estructura
Cerrar todas las posiciones
Aplicación de Trading en vivo: Señal aleatoria
Aplicación de Trading en vivo: Señal SMA
Cierre
Cómo profundizar en el campo del trading algorítmico
Tu ruta de aprendizaje
¡Hemos terminado una aventura juntos, pero vamos a por la siguiente!