Python aplicado a las finanzas

Nini Johana Marín Rodríguez

Ph.D. en Ingeniería – Industria y Organizaciones
Programa de Ingeniería Financiera
Facultad de Ingenierías
Temas
Introducción
1. Generalidades de la programación en Python
2. Análisis de datos
3. Valoración de productos derivados
4. Simulación en finanzas
5. Optimización en finanzas
Introducción
Antecedentes
• Python fue creado por el informático Guido van
Rossum en 1989 cuando estaba trabajando con un
lenguaje llamado ABC en su anterior trabajo en el
Centrum Wiskunde & Informática (CWI).
• Python fue lanzado en febrero de 1991.
• Por otro lado, le gustaban los episodios de “El circo
volador de los Monty Python” (Monty Python's
Flying Circus), la cual es una serie de televisión
británica creada y protagonizada por el grupo de
humoristas Monty Python y consta de 4
temporadas, con un total de 45 capítulos.
• Así, buscando un nombre que fuera “corto, único y
ligeramente misterioso”, eligió llamarlo Python.
Dato curioso
Van Rossum escribió en 1996:

• “Hace seis años, en diciembre de 1989, estaba buscando un

proyecto de programación como hobby que me mantuviera ocupado
durante las semanas de Navidad. Mi oficina estaría cerrada y no
tendría más que mi ordenador de casa a mano. Decidí escribir un
intérprete para el nuevo lenguaje de scripting que había estado
ideando recientemente: un descendiente de ABC que gustaría a los
hackers de Unix/c. Elegí el nombre de Python para el proyecto,
encontrándome en un estado de ánimo ligeramente irreverente (y
siendo un gran fan de Monty Python's Flying Circus)”
Empresas que usan Python
¿Por qué aprender a programar?

“Todo el mundo debería aprender a

programar, porque te enseña a pensar”
– Steve Jobs (1995)
Programar te enseña a resolver
problemas

Lenguaje de
Pasos programación
Lenguaje de programación
• Es un lenguaje formal con reglas bien definidas que
nos permite escribir una serie de instrucciones que
pueden ser leídas y ejecutadas por la computadora.

• Esto se denominará como programa. El programa es

un archivo en el cual escribiremos dichas
instrucciones.
Python se utiliza para:
• Ciencia de datos
• Inteligencia artificial
• Aprendizaje automático
• Desarrollo web
• Enseñanza de programación por ser altamente
pedagógico.
Python se utiliza en las siguientes
áreas:
•Desarrollo de juegos.
•Medicina.
•Ciencias puras como la Biología.
•Astronomía.
•Finanzas.
Ventajas de Python
• Fácil de aprender.
• Sintaxis clara y sencilla.
• Poderoso.
• Aplicaciones reales en la industria.
• Alta demanda en el mercado laboral.
¿Cómo funciona Python?
• El lenguaje de programación Python utiliza módulos de código
que son intercambiables en lugar de una larga lista de
instrucciones que era estándar para los lenguajes de
programación funcional.
• La implementación estándar de Python se llama «cpython«.
En definitiva, no convierte su código en lenguaje de máquina o
código máquina, algo que el hardware puede entender.
• En realidad, lo convierte en algo llamado código de byte. Este
código de bytes no puede ser entendido por la CPU. Así que
necesitamos un intérprete llamado Máquina Virtual Python
(PVM) que ejecuta los códigos de bytes
El intérprete de Python realiza las
siguientes tareas para ejecutar un
programa:
• Paso 1 : El intérprete lee un código o instrucción python. Luego verifica
que la instrucción esté bien formateada, es decir, comprueba la
sintaxis de cada línea. Si encuentra algún error, detiene
inmediatamente la traducción y muestra un mensaje de error.
• Paso 2 : Si no hay ningún error, es decir, si la instrucción o el código
python está bien formateado, el intérprete lo traduce a su forma
equivalente en un lenguaje intermedio llamado «código Byte». Así,
después de la ejecución exitosa de la escritura o el código python, se
traduce completamente en código Byte.
• Paso 3: El código del byte se envía a la Máquina Virtual Python, donde
de nuevo se ejecuta el código del byte en PVM. Si se produce un error
durante esta ejecución, ésta se detiene con un mensaje de error.
¿Cómo funciona el intérprete de
Python?
9 razones por las que debes
aprender Python (I):
1.Abundantes oportunidades laborales: Python ofrece numerosas ofertas de empleo
bien remuneradas en diversos campos, desde ingeniería de software hasta
inteligencia artificial.
2.Frecuente uso en startups: Es un lenguaje eficiente y económico, muy valorado en el
mundo de las startups por su facilidad de uso y eficiencia en el desarrollo.
3.Rápido de aprender: A pesar de su versatilidad, los fundamentos de Python pueden
dominarse en tan solo unas semanas, lo que lo hace accesible para principiantes y
profesionales con experiencia.
4.Activa comunidad de usuarios: Python es de código abierto y tiene una gran
comunidad comprometida, ofreciendo soporte, tutorías y un entorno colaborativo.
5.Popularidad en crecimiento: Según The Economist, Python se dirige a convertirse en
el lenguaje de programación más popular, en aumento mientras otros declinan.
9 razones por las que debes
aprender Python (II):
6. Versatilidad excepcional: Es un lenguaje de propósito general, utilizado
tanto por gigantes tecnológicos como por desarrolladores
independientes para proyectos variados.
7. Amplia gama de complementos: Ofrece numerosas librerías y
frameworks para necesidades específicas, desde desarrollo web hasta
interfaces gráficas de usuario.
8. Automatización de tareas: Permite la creación de scripts que
automatizan tareas repetitivas, ahorrando tiempo y aumentando la
productividad.
9. Relevancia en tecnologías emergentes: Python es fundamental en
campos como análisis de datos, inteligencia artificial y machine learning,
ofreciendo oportunidades en el futuro de la tecnología.
Falso o verdadero
• ¿Un lenguaje de programación como Python nos permite
escribir instrucciones que pueden ser leídas y ejecutadas por
una computadora?

Verdadero
Falso
.¿Cómo instalar Python?
1. Página oficial
https://www.python.org/
2. Descargas

Versión más
reciente
 1. Generalidades de la
programación en Python
¿Qué es IDLE?
• IDLE (Integrated DeveLopment Environment) es un entorno
integrado de programación que se instala automáticamente
cuando instalas Python. Es utilizado normalmente en Windows.

• Dicho entorno de programación es un software o herramienta

que nos permite trabajar con nuestro código. Nos permite tener
muchas herramientas pequeñas abiertas juntas para poder
trabajar con nuestro código, ejecutarlo y modificarlo.
Con IDLE puedes:

Escribir Editar Ejecutar Código

Entornos de desarrollo para
trabajar con Python (I)
1. Jupyter Notebook/JupyterLab:
• Importancia: Jupyter es ampliamente utilizado en la ciencia de datos y análisis. Ofrece un
entorno interactivo basado en web que permite la creación de documentos que contienen
código, texto enriquecido, ecuaciones, visualizaciones y resultados.
• Ventajas: Facilita la experimentación interactiva, la documentación de procesos y la generación
de informes reproducibles. Es útil para la exploración de datos y el análisis científico.

2. Google Colab:
• Importancia: Colab es una plataforma en la nube basada en Jupyter Notebooks. Proporciona un
entorno gratuito y accesible para ejecutar código Python, con la ventaja adicional de integración
con Google Drive.
• Ventajas: Permite ejecutar código Python en la nube, proporciona recursos computacionales
gratuitos, facilita la colaboración en tiempo real y el acceso a GPU de forma gratuita para
procesos intensivos.
Entornos de desarrollo para
trabajar con Python (II)
3. PyCharm:
• Importancia: Es un entorno de desarrollo integrado (IDE) potente y altamente reconocido, especialmente
para aplicaciones de gran escala y proyectos comerciales.
• Ventajas: Ofrece funciones avanzadas de depuración, análisis de código, integración con sistemas de
control de versiones y soporte para múltiples lenguajes. Ideal para proyectos complejos y para
programadores profesionales.
4. Spyder:
• Importancia: Diseñado para la computación científica y el análisis de datos, Spyder es un entorno similar a
MATLAB que proporciona un entorno interactivo para trabajar con Python.
• Ventajas: Ofrece herramientas específicas para análisis numérico, manipulación de datos, visualización y
cálculos científicos. Es útil para proyectos de ciencia de datos y cómputo científico.
5. Visual Studio Code (VS Code) con extensiones para Python
• Importancia: VS Code es un editor de código liviano pero potente. Al agregar extensiones específicas para
Python, se convierte en un entorno robusto para programar en Python.
• Ventajas: Ofrece características de un IDE completo, como resaltado de sintaxis, sugerencias inteligentes,
depuración y control de versiones. Es versátil y puede utilizarse para múltiples lenguajes.
Entornos de desarrollo para
trabajar con Python (III)
• Cada entorno tiene su importancia y se adapta a diferentes necesidades. La
elección del entorno depende del tipo de proyecto, las preferencias
personales, la comodidad y las funcionalidades requeridas. Es común que
los desarrolladores utilicen más de un entorno según los requisitos de cada
proyecto. La elección final dependerá de las necesidades específicas del
proyecto y las preferencias personales.
• Además del entorno, es importante considerar las bibliotecas y
herramientas específicas de Python utilizadas en finanzas, como pandas
(manipulación de datos), NumPy (cálculos numéricos) y herramientas de
análisis financiero como QuantLib, para garantizar un desarrollo eficiente y
efectivo de las aplicaciones financieras.
Entorno preferido por los
estudiantes de Finanzas
Jupyter Notebook es ampliamente popular entre estudiantes de finanzas por
varias razones:
1.Interactividad: Permite la combinación de texto, código y visualizaciones
en un mismo documento, facilitando la comprensión y presentación de
conceptos financieros.
2.Exploración de Datos: Ideal para análisis exploratorio de datos, lo cual es
esencial en finanzas para comprender tendencias, correlaciones y patrones
en los mercados financieros.
3.Facilidad de Uso: Su interfaz amigable y la posibilidad de compartir los
notebooks fácilmente lo convierten en una herramienta práctica para
proyectos y colaboración entre estudiantes.
Ventajas de Google Colab (I)
• Google Colab (abreviatura de Colaboratory) ofrece una serie de ventajas y
funcionalidades que lo hacen una poderosa herramienta para aprender y trabajar
con Python. A continuación, se detallan sus ventajas más relevantes:
1.Entorno en la nube gratuito:
• Acceso a un entorno de codificación basado en la nube sin costo alguno.
• No se requiere una configuración especial o instalación de software.
• Acceso instantáneo a recursos computacionales como CPU y GPU.
2.Integración con Google Drive:
• Conectividad con Google Drive permite guardar y cargar cuadernos de manera directa.
• Facilita el almacenamiento y la colaboración en proyectos.
3.Facilidad de colaboración en tiempo real:
• Funcionalidad de compartir y colaborar con otros usuarios en tiempo real.
• Capacidad para editar y ejecutar cuadernos de forma conjunta.
Ventajas de Google Colab (II)
4. Soporte de bibliotecas y herramientas:
• Compatibilidad con numerosas bibliotecas populares de Python.
• Acceso a herramientas de visualización, análisis y procesamiento de datos.
5. Uso de GPU gratuito:
• Disponibilidad de GPU gratuita, lo que permite ejecutar modelos de aprendizaje profundo y
procesamiento acelerado.
6. Facilidad de visualización y documentación:
• Capacidad para integrar texto, código, gráficos y otros elementos visuales en un único
documento.
• Ideal para la creación de tutoriales interactivos y documentación.
7. Flexibilidad y portabilidad:
• Acceso a través de múltiples dispositivos con conexión a internet.
• Permite la continuidad del trabajo desde cualquier lugar.
¿A qué hace referencia la optimización
del uso de CPU y GPU? (I)
• CPU (Unidad Central de Procesamiento): Es el procesador principal de una
computadora que realiza las operaciones y cálculos en general. En Google
Colab, el acceso a la CPU proporciona la capacidad de realizar cálculos
regulares y tareas computacionales necesarias para ejecutar código en
Python.
• GPU (Unidad de Procesamiento Gráfico): Es una unidad de procesamiento
especializada que se centra en el procesamiento de gráficos y cálculos
matemáticos intensivos. En el contexto de la ciencia de datos y el
aprendizaje automático, el acceso a una GPU es especialmente útil para
ejecutar tareas que involucran entrenamiento de modelos de machine
learning, análisis de datos complejos, cálculos matriciales y algoritmos de
inteligencia artificial. Las GPU están optimizadas para realizar cálculos
paralelos y pueden acelerar significativamente estos tipos de tareas.
¿A qué hace referencia la optimización
del uso de CPU y GPU? (II)
• En el ámbito financiero, estos recursos son fundamentales para el análisis
de datos complejos, la ejecución de algoritmos de aprendizaje automático
y la simulación de modelos financieros. Por ejemplo, al trabajar con
grandes conjuntos de datos financieros, el acceso a una GPU puede
acelerar la manipulación y análisis de los datos, lo que permite una mayor
eficiencia en la toma de decisiones financieras.
• En resumen, el acceso a la CPU y GPU en plataformas como Google Colab
proporciona una capacidad de procesamiento adicional y poder
computacional que es esencial para ejecutar tareas intensivas en recursos,
permitiendo a los usuarios realizar análisis avanzados, modelado y
procesamiento de datos a mayor escala y velocidad.