Ejecución y Despliegue | Órdenes y Ejecución .objectives { background: rgba(0,255,200,0.1); border-radius: 1.5rem; padding: 1rem 1.5rem; margin: 1.5rem 2rem; border: 1px solid rgba(0,255,200,0.3); } .objectives h3 { color: #00ffc8; font-size: 1.1rem; margin-bottom: 0.7rem; } .objectives li { color: #b9ccee; font-size: 0.9rem; margin: 0.4rem 0; list-style: none; } .objectives li::before { content: "🎯 "; } .module-recap { background: rgba(0,255,200,0.08); border-radius: 1.5rem; padding: 1rem 1.5rem; margin: 1.5rem 2rem; border: 1px dashed rgba(0,255,200,0.4); } .module-recap h3 { color: #00ffc8; font-size: 1rem; margin-bottom: 0.5rem; } .module-recap li { color: #8899bb; font-size: 0.85rem; margin: 0.3rem 0; }

📋 Órdenes y Ejecución

Market, Limit, Stop Loss, TP, OCO, Trailing Stop

Constructor Slippage Comisiones
📋 Piénsalo así: Las órdenes son como instrucciones de cocina. Una Market es "cómprame el pan ahora al precio que sea". Una Limit es "cómprame el pan si está a $2 o menos". Un Stop Loss es "si el pan se pone más caro de $5, deja de comprarlo". Y un OCO es "si el pan sube a $6, vende; si baja a $1, compra más ” lo que ocurra primero".

🎯 ¿Qué aprenderás?

🔧 Constructor de Órdenes

Configura tu orden y haz clic en "Ejecutar Orden".
💡 Prueba los 5 tipos de orden. Cada uno te muestra una simulación de ejecución con slippage y comisiones.

💻 Código anotado

precios = [67000, 67500, 68000, 67200] # Lista: ordenada y mutable precios.append(67800) # append() agrega un elemento al final activos = {'BTC': 67500, 'ETH': 3400} # Dict: acceso por clave (ticker) print(activos['BTC']) # 67500 # Acceso directo por nombre del activo

💡 Lee los comentarios: cada línea tiene una razón de ser. El código no se escribe, se diseña.

✏️ Mini-ejercicio

¿Qué estructura de datos usarías para una lista ordenada y mutable de precios?

// Responde y presiona Verificar

🔍 Sabías que... Curiosidades de trading

El primer DataFrame de la historia fue implementado por Wes McKinney en 2008. Una lista de Python almacena ~3650 velas (10 años de datos diarios) en ~200 KB.
Dato práctico: df.to_dict() es ideal para compartir datos entre Python y otros lenguajes.

📋 Checklist de aprendizaje

Marca lo que ya dominas. Tu progreso se guarda automáticamente.

0/4 dominados

📌 Resumen del módulo