Envíos gratis en compras superiores a $9000

Libro Python Para Finanzas Curso Práctico

Libro Python Para Finanzas Curso Práctico

$9,716

  • Envío gratis en compras superiores a $9000
  • Autor: Carlos Mario Ramírez Gil

    Páginas: 390

    Editorial: Alfaomega – Ra-ma

    SKU: 9788418551857 Categorías: , , , ,

    Descripción

    “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.

    “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
    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
    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
    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 Colaborat
    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
    4.5 CAMBIANDO LA FRECUENCIA TEMPORAL DE LOS RENDIMINETOS
    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
    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 genera
    9.4.3 Proyección de los flujos de caja futuros de las operaciones
    9.4.4 Convertir los flujos de caja libres proyectados
    9.4.5 Estimación del costo de capital.
    9.4.6 Obtención del valor presente de los flujos de caja libre
    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
    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 Pow
    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”

    Ir a Arriba