Comprender los conceptos fundamentales de trading algorítmico
Aplicar las técnicas con ejemplos prácticos en Python
Interpretar resultados y diagnosticar problemas comunes
Desarrollar intuición para diseñar estrategias rentables
4:00
ð Bug #1 Pendiente
def generar_senal(df, i):
# Señal de compra si el precio de cierre sube mañana
if df['cierre'].iloc[i+1] > df['cierre'].iloc[i]:
return 1 # COMPRAR
return 0
ð¡ Encuentra los 3 sesgos en el código. Escribe el nombre y presiona "Identificar". ¡Tienes 4 minutos!
ð CAZADOR DE SESGOS ð
¡Eres un detective de backtesting! Sabes identificar los sesgos más mortales.
💻 Código anotado
class Estrategia:# Palabra clave + nombre en CamelCase def __init__(self, activo, stop):# __init__: constructor de la clase self.activo = activo# self.atributo almacena en la instancia def generar_senal(self, precio):# Método que opera sobre la instancia
💡 Lee los comentarios: cada línea tiene una razón de ser. El código no se escribe, se diseña.
✏️ Mini-ejercicio
¿Qué parámetro especial recibe el constructor __init__ de una clase?
// Responde y presiona Verificar
🔍 Sabías que... Curiosidades de trading
La POO permite heredar estrategias. Hedge funds como DE Shaw y Jane Street tienen miles de clases en sus librerías internas de trading.
Dato práctico:Nombra las clases como sustantivos y los métodos como verbos en infinitivo.
📋 Checklist de aprendizaje
Marca lo que ya dominas. Tu progreso se guarda automáticamente.
0/4 dominados
📌 Resumen del módulo
Concepto clave: domina la idea central presentada en el módulo
Aplicación práctica: los ejemplos te preparan para el mercado real
Errores comunes: identifica y evita las trampas típicas
Próximos pasos: esta base te prepara para el siguiente módulo