def v_seasonality(datos):
"""
Visualización de la prueba de estacionalidad por medio de gráficas de los
datos ya estacionarios
Parameters
----------
datos : pd.DataFrame : con información contenida en archivo leido
Returns
-------
Cuatro gráficas en una imagen que reflejan la prueba de estacionalidad de
los datos
"""
datos = fn.f_leer_archivo(
param_archivo='archivos/FedInterestRateDecision-UnitedStates.xlsx',
sheet_name=0)
datos = datos.set_index('datetime')
datos_dif = datos - datos.shift()
datos_dif.dropna(inplace=True)
serie = datos_dif['actual']
serie = serie.resample('M').mean().ffill()
result = STL(serie).fit()
charts = result.plot()
plt.show()
def v_norm_resids(datos):
"""
Visualización de la prueba de normalidad con residuales del modelo ARIMA
Parameters
----------
datos : pd.DataFrame : con información contenida en archivo leido
Returns
-------
Gráfica tipo histograma de los residuales del modelo ARIMA
"""
datos = fn.f_leer_archivo(
param_archivo='archivos/FedInterestRateDecision-UnitedStates.xlsx',
sheet_name=0)
datos = datos.set_index('datetime')
datos_dif = datos - datos.shift()
datos_dif.dropna(inplace=True)
datos_dif_ac = datos_dif['actual']
model = sm.tsa.ARIMA(datos_dif_ac, order=(3, 1, 3)).fit(disp=False)
resid = model.resid
fig = plt.figure(figsize=(12, 8))
ax0 = fig.add_subplot(111)
sb.distplot(resid, fit=stats.norm, ax=ax0)
(mu, sigma) = stats.norm.fit(resid)
plt.legend(
['Normal dist. ($\mu=$ {:.2f} y $\sigma=$ {:.2f} )'.format(mu, sigma)],
loc='best')
plt.ylabel('Frecuencia')
plt.title('Distribución de residuales')
fig = plt.figure(figsize=(12, 8))
def pie(param_data):
#Se lee el archivo a graficar
df_data = fn.f_leer_archivo(param_archivo=data)
#columna de pips
df_data = fn.f_columnas_pips(df_data)
#Se vuelve a crear el ranking
df_1_ranking = fn.f_estadistica_ba2(param_data=df_data)
df = df_1_ranking
labels = df['simbolo']
values = df['rank']
pastel = go.Figure(data=[
go.Pie(
labels=labels,
values=values,
pull=[0.05, 0.05, 0, 0, 0, 0, 0],
)
])
pastel.update_layout(title="Ranking de Instrumentos")
pastel.show()
#Se guarda la imagen con el objetivo de tener la visualización de la gráfica en Github
if not os.path.exists("images"):
os.mkdir("images")
pastel.write_image("images/fig1.jpeg") #Guardar imagen
return pastel
def v_model_arima_orig(datos):
"""
Parameters
----------
datos : pd.DataFrame : con información contenida en archivo leido
Returns
-------
Gráfica del indicador ya estacionario y el modelo ARIMA(3,1,3) ajustado al
comportamiento de ese indicador
"""
datos = fn.f_leer_archivo(
param_archivo='archivos/FedInterestRateDecision-UnitedStates.xlsx',
sheet_name=0)
datos = datos.set_index('datetime')
datos_dif = datos - datos.shift()
datos_dif.dropna(inplace=True)
datos_dif_ac = datos_dif['actual']
model = ARIMA(datos_dif_ac, order=(3, 1, 3))
results = model.fit(disp=-1)
predictions_ARIMA_dif = pd.Series(results.fittedvalues, copy=True)
predictions_ARIMA_dif_cumsum = predictions_ARIMA_dif.cumsum()
plt.plot(datos_dif_ac)
plt.plot(predictions_ARIMA_dif_cumsum)
plt.title('ARIMA(3,1,3)')
plt.show()
# -- ------------------------------------------------------------------------------------ -- # # -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance # -- archivo: principal.py - flujo principal del proyecto # -- mantiene: Natasha Gamez # -- repositorio: https://github.com/NatashaGamez/Lab_2_LNGO # -- ------------------------------------------------------------------------------------ -- # import funciones as fn #Datos datos = fn.f_leer_archivo(param_archivo='archivo_tradeview_1.xlsx') #Pip size pip_size = fn.f_pip_size(param_ins='eurusd') #Tranformaciones de tiempo datos = fn.f_columnas_tiempos(param_data=datos) #Transformaciones Pips datos = fn.f_columnas_pips(param_data=datos) # Estadisticas basicas y Raking [df_1_tabla, df_1_ranking] = fn.f_estadisticas_ba(param_data=datos) # Capital acumulado datos = fn.capital_acm(param_data=datos) # Profit diario, profit diario opercaiones buy, profit diario opercaiones sell [df_profit_d, profit_d_acm_c, profit_d_acm_v] = fn.f_profit_diario(param_data=datos) # Medidas de Atribución al Desempeño (MAD) Est_MAD = fn.f_estadisticas_mad(df_profit_d, profit_d_acm_c, profit_d_acm_v) # Segos cognitivos df_be_de = fn.f_be_de(datos)
import funciones as fn
import pandas as pd
#%%
datos = fn.f_leer_archivo('archivo_tradeview_1.xlsx')
import funciones as fn
# no esta completo
def importar_precios(n_archivo):
data = pd.read_csv(n_archivo)
return data
importar_precios('trade3.XLS')
def f_pip_size(param_inst):
#inst=inst.lower()
#pips_inst={'usdjpy':100,
# 'gbpjpy':100}
return 1
# -- ------------------------------------------------------------------------------------ -- #
# -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance
# -- archivo: principal.py - Codigo principal para el proyecto
# -- mantiene: Alejandra Cortes
# -- repositorio: https://github.com/alecortees22/LAB_2_ACS
# -- ------------------------------------------------------------------------------------ -- #
import funciones as fn
import visualizaciones as vn
import pandas as pd
df_data = fn.f_leer_archivo(param_archivo='Statement_1.xlsx')
time = fn.f_columns_datos(df_data)
pips = fn.f_columns_pips(df_data)
estadisticas = fn.f_estadisticas_ba(df_data)
eurusd = fn.f_pip_size('eurusd-2')
pd = fn.f_profit_diario(df_data)
mad = fn.f_estadisticas_mad(df_data)
seg_cog = fn.f_be_de(df_data)
# -- ------------------------------------------------------------------------------------ -- #
# -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance
# -- archivo: principal.py - flujo principal del proyecto
# -- mantiene: Fernanda Pinedo
# -- repositorio: https://github.com/ferpinedot/LAB_2_MFPT
# -- ------------------------------------------------------------------------------------ -- #
import funciones as fn
import visualizaciones as vn
# Leer el archivo
# Ejemplo del prof
# datos = fn.f_leer_archivo(param_archivo='archivos/archivo_tradeview_1.xlsx', sheet_name= 0)
# Mi archivo PAP
datos = fn.f_leer_archivo(param_archivo='archivos/archivo_pap_.xlsx',
sheet_name=0)
# Mi archivo OANDA
# datos = fn.f_leer_archivo(param_archivo='archivos/archivo_oanda.xlsx', sheet_name= 0)
# Tiempo de la operación
datos = fn.f_columnas_tiempos(datos)
# Número de pips
datos = fn.f_columnas_pips(datos)
# Capital acumulado ($)
datos = fn.f_capital_acm(datos)
#graph = vn.profitd(datos)
# Estadísticas básicas
estadisticas = fn.f_basic_stats(datos)
# -- ------------------------------------------------------------------------------------ -- # # -- proyecto: Microestructura y Sistemas de Trading - Proyecto Final - Behavioral Finance # -- archivo: principal.py - aplicación de las funciones a los datos # -- mantiene: Tamara Mtz. # -- Natasha Gamez # -- María Fernanda Ansoleaga # -- repositorio: https://github.com/NatashaGamez/proyecto_equipo_2 # -- ------------------------------------------------------------------------------------ -- # import funciones as fn import visualizaciones as vn datos = fn.f_leer_archivo(param_archivo='data2.xlsx') df_pe = fn.f_precios(param_data=datos) serie = vn.plot_profit_diario(datos=datos) estacionariedad = fn.f_estacionaria(param_data=datos) autocorr = fn.f_autocorrelation(param_data=datos) pltauto= vn.autocorr(datos) seasonality = vn.f_seasonality(param_data=datos) hetero = fn.f_hetero(param_data=datos) normtest = vn.f_normt(param_data=datos) pltnorm = vn.f_normtest(param_data=datos) outliers = vn.f_outliers(param_data=datos) df_clasificacion = fn.f_clasificacion(param_data=datos) df_metricas = fn.f_metrica(param_data=df_pe)
@author: Estavillo
"""
# -- ------------------------------------------------------------------------------------ -- #
# -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance
# -- archivo: principal.py - layout general del proyecto
# -- mantiene: Juan Pablo Estavillo
# -- repositorio: https://github.com/
# -- ------------------------------------------------------------------------------------ -- #
import plotly.offline as py # hasta arriba # en el mismo renglon
import funciones as fn #aqui están todas las funciones
import pandas as pd #pandas aunque no se use
import plotly.graph_objects as go #para graficar
#%%
#leer archivo
data = fn.f_leer_archivo('trade3.xlsx')
#agregar columna de tiempo
data = fn.f_columnas_tiempos(data)
#agregar columna de pip
data = fn.f_columnas_pips(data)
#diccionario con estadísticas de operaciones
estadistica_operaciones = fn.f_estadisticas_ba(data)
#crear dataframe con los profits de cada dia
profit_d = fn.f_profit_diario(data)
#aqui se hacen las medidas de atribucion al riesgo
Medidas_atribucion_riesgo = fn.f_stats_mad(data)
# -- ------------------------------------------------------------------------------------ -- #
# -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance
# -- archivo: main.py - flujo principal del proyecto
# -- mantiene: Hermela Peña
# -- repositorio: https://github.com/hermelap/LAB_2_HPH
# -- ------------------------------------------------------------------------------------ -- #
import funciones as fn
import visualizaciones as vs
df_data = fn.f_leer_archivo(param_archivo='archivo_oanda.xlsx')
fn.f_pip_size(param_ins='usdmxn')
df_data = fn.f_columnas_tiempos(param_data=df_data)
df_data = fn.f_columnas_pips(param_data=df_data)
df_estadisticas_ba = fn.f_estadisticas_ba(param_data=df_data)
df_profit_diario = fn.f_profit_diario(param_data=df_data)
df_estadisticas_mad = fn.f_estadisticas_mad(param_data=df_data)
sesgo = fn.f_be_de(df_data)
grafica_1 = vs.pastel(
diccionario=df_estadisticas_ba) # Grafica de pastel ranking
grafica_2 = vs.linea(
datos=df_profit_diario,
estadisticos=df_estadisticas_mad) # Grafica de DrawDown y DrawUp
# -- ------------------------------------------------------------------------------------ -- # # -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance # -- archivo: main.py - codigo principal del proyecto # -- mantiene: IF Manuel Pintado # -- repositorio: https://github.com/manuelpintado/LAB_2_MPD.git # -- ------------------------------------------------------------------------------------ -- # import funciones as fn # Leer archivo de excel formato xlsx datos = fn.f_leer_archivo(param_archivo='reporte_cuenta.xlsx') # verificar funcionamiento de funcion tamaño pips pip_size = fn.f_pip_size(param_ins='usdmxn') # Calculos de tiempo transcurrido de operaciones datos = fn.f_columnas_tiempos(param_data=datos) # Calculos de pips y capital datos = fn.f_columnas_pips(param_data=datos) # Calculo de estadisticos basicos y ranking de portafolio estadisticos_ba = fn.f_estadisticas_ba(param_data=datos, ver_grafica=False) # Calculo datos diarios del portafolio datos_diarios = fn.f_profit_diario(param_data=datos) # Estadisticos financieros estadisticos_mad = fn.f_estadisticas_mad(param_data=datos, ver_grafica=True) # Sesgos
# -- Rep: https://github.com/ITESOIF/MyST/tree/master/Notas_Python/Notas_RepasoPython -- # # -- Autor: Francisco ME -- # # -- ------------------------------------------------------------------------------------ -- # # -- ------------------------------------------------------------- Importar con funciones -- # import funciones as fn # Para procesamiento de datos import visualizaciones as vs # Para visualizacion de datos import pandas as pd import numpy as np #%% #param_archivo='archivo_tradeview_12.csv' #df_data = fn.f_leer_archivo(param_archivo='archivo_tradeview_12.csv') param_archivo = 'tocsv.csv' df_data = fn.f_leer_archivo(param_archivo='tocsv.csv') #%% pip_sizee = fn.f_pip_size(param_ins='btcusd') #%% df_data = fn.f_columnas_tiempos(datos=df_data) #df_temp = pd.DataFrame(temp) #df_dataf = np.concatenate((df_data, df_temp), axis = 1) #df_dataf = [df_data[:,:], df_temp[:,:]] #%% df_data = fn.f_columnas_pips(datos=df_data)
# -- ------------------------------------------------------------------------------------ -- # # -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance # -- archivo: funciones.py - para visualizar loos datos. # -- mantiene: Francisco Rodriguez # -- repositorio:https://github.com/FranciscoRodRam/LAB_2_FRRR # -- ------------------------------------------------------------------------------------ -- # import funciones as fn import visualizaciones as vn #Archivo a analizar. data = 'archivo_tradeview1.xlsx' #--Esta función corresponde a la lectura del archivo. df_data = fn.f_leer_archivo(param_archivo=data) #funcion para conocer el mulplicador PIPS pips = fn.f_pip_size(param_ins='cornusd') #Columna de tiempo df_data = fn.f_columnas_tiempos(param_data=df_data) #columna de pips df_data = fn.f_columnas_pips(df_data) #Cálculo del capital acumulado df_data = fn.f_capital_acum(df_data) #Sesgo df_data = fn.sesgo(df_data) #Extraer mes y día de la fecha df_data =fn.fechas(df_data) #Estadística básica df_1_tabla=fn.f_estadisticas_ba(param_data=df_data)
# -- ------------------------------------------------------------------------------------ -- #
# -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance
# -- archivo: principal.py - flujo principal del proyecto
# -- mantiene: Mafer Anso
# -- repositorio: https://github.com/MaferAnso/LAB_2_MFAA
# -- ------------------------------------------------------------------------------------ -- #
import funciones as fn
# Funcion para leer los datos
datos = fn.f_leer_archivo(param_archivo='archivo_tradeview_1.xlsx',
sheet_name=0)
# Agregar columna de tiempo
datos = fn.f_columnas_tiempos(datos)
#Agregar columna de pips
datos = fn.f_columnas_pips(datos)
#Agregar columna de capital acumulado
datos = fn.f_capital_acm(datos)
#Estadisticas de la tabla
stats = fn.f_estadisticas_ba(datos)
#Crear un nuevo dataframe con los profits diarios
datos_profit = fn.f_profit_d(datos)
#Creacion de tabla con metricas
mad = fn.f_estadisticas_mad(datos)
# -- ------------------------------------------------------------------------------------ -- # # -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance # -- archivo: datos.py - datos generales para uso en el proyecto # -- mantiene: marioabel96 # -- repositorio: https://github.com/marioabel96/LAB_2_MAGV/ # -- ------------------------------------------------------------------------------------ -- # # importamos el archivo funciones import funciones as fn import pandas as pd data = fn.f_leer_archivo(param_archivo="archivo_tradeview_1.xlsx") data = fn.f_columnas_tiempos(data) # creacion nuevo dataframe donde estaremos haciendo las modificaciones newd = pd.DataFrame(data) # obtenemos los pips de todos los inttrumentos uilizados y anexamos al dataframe pips = [fn.f_pip_size(param_ins=newd['symbol'][i]) for i in range(len(newd))] newd['pips'] = pips newd = fn.f_columnas_pips(newd) estadisticas = fn.f_estadisticas_ba1(newd) ranking = fn.f_estadisticas_ba2(newd)
from statsmodels.graphics.tsaplots import plot_pacf
from statsmodels.graphics.gofplots import qqplot
import pandas as pd
import statsmodels.api as sm
from statsmodels.tsa.seasonal import STL
import seaborn as sb
from statsmodels.tsa.arima_model import ARIMA
from pandas.plotting import register_matplotlib_converters
register_matplotlib_converters()
from scipy import stats
from scipy.stats import normaltest
#%%
# Datos a usar para gráficas
datos = fn.f_leer_archivo(
param_archivo='archivos/FedInterestRateDecision-UnitedStates.xlsx',
sheet_name=0)
# Visualización del indicador origial con datos 'actual'
def v_indicador_orig(datos):
"""
Visualización de los datos actuales del indicador
Parameters
----------
datos : pd.DataFrame : con información contenida en archivo leido
Returns
-------
Gráfica de línea de los valores (%) de las tasas de interés del indicador
# -- ------------------------------------------------------------------------------------ -- # # -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance # -- archivo: principal.py - flujo principal del proyecto # -- mantiene: Luis Angel Ruiz # -- repositorio: https://github.com/luisangelrp97/LAB_2_LARP # -- ------------------------------------------------------------------------------------ -- # import funciones as fn archivo = "archivo_tradeview_1.xlsx" df_archivo = fn.f_leer_archivo(archivo) datos = df_archivo datos = fn.f_columnas_tiempos(datos) datos = fn.f_columnas_pips(datos) datos = fn.capital_acm(datos) f_estadisticas = fn.f_estadisticas_ba(datos) profit_diario = fn.f_profit_diario(datos) vi.df_1_ranking(f_estadisticas)
# -- ------------------------------------------------------------------------------------ -- # # -- proyecto: Microestructura y Sistemas de Trading - Laboratorio 2 - Behavioral Finance # -- archivo: principal.py - flujo principal del proyecto # -- mantiene: Oscar Flores # -- repositorio: https://github.com/OscarFlores-IFi/LAB_2_OEFH # -- ------------------------------------------------------------------------------------ -- # import funciones as fn import visualizaciones as vz archivo = "archivo_tradeview_1.csv" datos = fn.f_leer_archivo(archivo) datos = fn.f_columnas_tiempos(datos) datos = fn.f_columnas_pips(datos) datos = fn.f_capital_acm(datos) estadisticas = fn.f_estadisticas_ba(datos) vz.plot_ranking(estadisticas['df2']) profit_diario = fn.f_profit_diario(datos) vz.plot_profit_diario(profit_diario) desempenio = fn.f_estadisticas_mad(profit_diario) sesgos = fn.f_sesgos_cognitivos1(datos) df1 = estadisticas['df1'] df2 = estadisticas['df2'] sesgos2 = fn.f_sesgos_cognitivos2(datos, profit_diario) vz.plot_sesgos(sesgos2['resultados']['dataframe'])
