Usar pandas_datareader de Python para conectarnos a Yahoo Finance y extraer los precios de los activos que necesitemos.

Hola a todos, en un post del 17 de julio de 2019, mostré los pasos para extraer la información de precios de un activo cualquiera, usando como fuente finance.yahoo.com, el proceso era bastante manual, y consistía en ingresar unos parámetros de la data a descargar, bajarla como un archivo separado por comas y luego abrirlo en excel para separar las columnas y poder organizarlo. 

Esta operatividad, la debíamos realizar para cada activo del que queríamos obtener los datos. 

Este paso a paso fue con el que aprendimos en la especialización en finanzas en la Universidad EAFIT, por allá en el año 2012.

Después de investigar un poco y de irme introduciendo al lenguaje de programación Python, encontré una librería con la que este proceso se puede hacer mucho más rápido, en el que si quieres cambiar el rango de fechas o incluir nuevos activos, no tenemos que volver a iniciar desde cero y repetir todo el ciclo - pandas_datareader.

La página con la documentación es esta:

En la opción Data Readers, podemos encontrar la documentación para las diferentes fuentes a las que soporta la conexión y extracción de datos el paquete, incluyendo Yahoo Finance:

Ahora, vamos a entrar en materia en nuestro código en Python, para ejecutar el proceso y liberarnos de la tediosa operatividad del paso a paso en excel.

Matemática Financiera: Ejercicios 4.2, Representación Gráfica de la Solución del Problema 28 - Buscar Objetivo en Python - José Luis Villalobos

Hola a todos, hoy vamos a completar el script que construimos en python en el problema 28 incluyendo unas líneas que nos permitan ver de forma gráfica como las iteraciones que realizamos en nuestro bucle while van aproximando la respuesta hasta llegar a las 40 semanas.

Para hacerlo, vamos a importar la librería matplotlib:

Y vamos a incluir una lista bo[], en la que vamos a ir acumulando el resultado de cada una de las iteraciones.

En las últimas tres líneas, lo que hacemos es construir nuestro gráfico de línea con los datos obtenidos en el bucle while.

Al ejecutar el script tenemos:

Como ven, lo que sucede es que cada una de las 4,000 iteraciones nos va aproximando al resultado y estas se detienen cuando se cumple la condición del while valor_futuro < = 1.15.

Matemática Financiera: Ejercicios 4.2, Problema 25 - Mejor Opción Compra Automovil - José Luis Villalobos

Hola a todos, hoy vamos a continuar con los ejercicios del libro: Matemáticas Financieras Tercera  Edición del autor José Luis Villalobos. 

Vamos a trabajar el problema 25 y lo resolveremos en excel y python:

25. Determine qué le conviene más al comprador de un automóvil cuyo precio es $165,000:

a) Pagarlo de contado con un descuento del 5%. 

b) Pagarlo con el 40% de anticipo y dos abonos a 3 y 4 meses de la compra por $48,000 cada uno. 

c) Pagarlo sin enganche y tres abonos a 1, 2 y 3 meses por $54,000 cada uno.

d) Pagarlo con un enganche de $50,000 y 3 abonos de $37,500 a 1, 2 y 3 bimestres de la compra.

Suponga que el dinero reditúa el 15% de interés anual compuesto por meses y que las cuatro opciones tienen la misma factibilidad.

Para resolver el problema, vamos a construir el siguiente modelo en excel, con el que vamos a evaluar las cuatro alternativas:

Donde al evaluar cada una de las cuatro opciones podemos concluir que lo mejor para el comprador es realizar el pago de contado y obtener el descuento del 5%. En cualquiera de las otras tres alternativas, el costo presente (vpn) es mucho mayor que en la primera.

Ahora, revisemos la formulación de nuestro modelo:

Para resolver el ejercicio utilizando python, vamos a escribir el siguiente script en la plataforma colab de google:

Construyendo una Tabla de Amortización de Préstamos 2.0 con Python - numpy-financial y tabulate

 Hola a todos, hoy vamos a construir una versión 2.0 de nuestra tabla de amortización de préstamos. 

Con la ayuda del paquete numpy y de matplotlib incluiremos en nuestro script un par de arrays para guardar los datos relacionados con la porción correspondiente a los pagos asociados al capital y otro para extraer la porción de los intereses.

Teniendo separada esta información, la utilizaremos como un argumento en matplotlib para realizar una gráfica de barras apiladas como la que se puede ver en este ejemplo:

Funciones Financieras en Python, Calculando el Perfil del VPN: npv(), numpy_financial

Hola a todos, hoy vamos a continuar con la revisión de las funciones financieras en Python, específicamente las que incluye el paquete numpy_financial.

El turno en esta ocasión es para la función npv(), que es la función que utilizaremos para realizar el cálculo del valor presente neto. Para esto, vamos a recrear en Python el ejercicio de la construcción del perfil del vpn, que realizamos en un post anterior utilizando excel.

La documentación oficial de la función es la siguiente: