Ya sea que seas un inversionista nuevo o no, probablemente hayas oído hablar del término promedio de costo en dólares, que se refiere a una estrategia comercial con Python de inversión que alivia el estrés emocional y el riesgo de inversión al dividir la cantidad total a invertir en intervalos periódicos. En el tema que nos ocupa, surge la pregunta, ¿puede usarse Python en el desarrollo de alguna aplicación útil en este campo? Y la respuesta es sí.
Existen estudios de instituciones como Vanguard en 2012 que compararon el desempeño histórico entre el promedio de costos en dólares (DCA) y la inversión de suma global (LSI). Llegó a la conclusión de que, en promedio, un LSI superó a la DCA aproximadamente en dos tercios del tiempo, incluso después de ajustar por una mayor volatilidad de una cartera de acciones / bonos. Invertir en una suma global ofrece a los inversores exposición a los mercados antes, lo que es especialmente beneficioso si los mercados tienen una tendencia alcista a largo plazo.
Sin embargo, la psicología juega un papel crucial en la inversión. La mayoría de las veces, una decisión de inversión se toma por miedo o codicia. Existen numerosas historias sobre personas que ganan o pierden dinero debido a FOMO o YOLO. El truco a la hora de lidiar con el fracaso es organizar la vida financiera de tal manera que una mala inversión aquí y una meta financiera perdida allá no acaben con el entusiasmo de modo que puedes seguir jugando hasta que las probabilidades caigan a tu favor. Claro, con un proceso de análisis eficaz, esto será más fácil. Es ahí donde entra la programación en Python.
Entonces, en este artículo, exploraremos la idea de promediar el costo en dólares, ajustando las frecuencias de negociación para comprender cómo el riesgo y el rendimiento de los activos pueden variar en consecuencia.
Por esa razón y muchas otras más no menos importantes, es que te recomendamos este curso de python profesional, el cual lo imparten de manera presencial o en linea, con instructores expertos en este lenguaje de programación.
El conjunto de datos se extrae a través del paquete de Python yahoofinancials. El backtesting se realiza mediante un muestreo aleatorio de precios históricos durante un período de 5 años desde 2016 para construir carteras. Antes de entrar en la simulación, a continuación se muestran algunas de las suposiciones incluidas en el modelo. El mismo tiempo de inicio y el mismo monto total en dólares que se invertirá durante el período estudiado aparece en primer cuadro.
Un paso importante a tomar antes de cualquier modelado o simulación escrita en Python es mirar realmente los datos que estamos analizando. Además, para simplificar el proceso de simulación, conviene al principio sólo considerar negociar el precio en apertura. De cualquier modo, sin importar que se use un simulador o no, siempre es útil tener conocimientos básicos de economía.
Por otro lado, en el desarrollo de aplicaciones de simulaciones financieras, deben complementarse las habilidades de expertos en el mercado con las de los programadores de estrategia comercial con Python. Solo así se puede garantizar a un grado razonable la eficacia del programa. Con todo, siempre es útil recordar que las probabilidades matemáticas siempre tienen un margen de error.
Diseño Web Grupo Codesi