Inversiones para programadores

No es para quien quiere que le digan qué comprar, sino para quien quiere decidirlo con datos propios: desarrolladores e ingenieros de software con ahorro parado, ingenieros y científicos de datos que ya dominan Python, y emprendedores tecnológicos que cobran en dólares y quieren blindar su patrimonio de la inflación.

Habilidades:

Python aplicado, análisis fundamental y técnico, gestión de riesgo, agentes de IA

Nivel: Intermedio

Requisitos:

Nociones básicas de programación. Cero experiencia previa invirtiendo.

Stefan Papp es un pionero en la intersección de la inteligencia artificial y la estrategia de inversión. Con décadas de trayectoria como ingeniero de datos, arquitecto y consultor para clientes de primer nivel, ha dominado el arte de usar los datos para resolver problemas complejos. Su liderazgo intelectual se refleja en sus libros técnicos publicados y en su labor como educador universitario, donde inspira a la próxima generación de innovadores tecnológicos.

Como inversor experimentado con más de veinte años de experiencia en acciones, criptoactivos y bonos, Stefan aporta a la optimización de portafolios un enfoque basado en datos que pocos pueden replicar. Al combinar técnicas de IA de vanguardia, incluida la IA generativa, con un profundo conocimiento del mercado, ha superado sistemáticamente a las estrategias de inversión tradicionales.

En este libro desmitifica la aplicación de las habilidades de programación al análisis financiero y comparte herramientas prácticas y ejemplos del mundo real de su propia trayectoria, para que aprendas a aprovechar los datos, adaptar las mejores prácticas y usar la inteligencia artificial para descubrir oportunidades, optimizar la investigación y obtener una ventaja decisiva en el mercado.

1. El inversor analítico

• Tu camino en la inversión y los tipos de activo: acciones, bonos, fondos cotizados y otros fondos, divisas, criptoactivos, derivados, capital privado y cómo seleccionar entre ellos.
• Enfoques de inversión: investigación cuantitativa y cualitativa, trading algorítmico, monitores de activos, portafolios y estrategias.
• Riesgos y recompensas, y la ventaja injusta del programador: pensar en sistemas y datos, una mentalidad diseñada para el mercado y la definición de tus parámetros.

2. Fundamentos de la inversión

• Contabilidad en pocas palabras: estado de resultados, balance general y flujo de caja libre.
• Clasificación sectorial GICS, factores que influyen en cada sector, ciclos económicos y capitalización.
• Métricas y ratios: liquidez, deuda, ganancias, valuación, rentabilidad, dividendos, estructura de propiedad y sostenibilidad.
• Evaluaciones externas: calificaciones y precios objetivo.

3. Recopilación de datos

• Plataformas de análisis financiero y notebooks de ciencia de datos.
• yfinance a fondo: análisis fundamental, análisis técnico y sus limitaciones.
• Bibliotecas comerciales: Finviz, EODHD, Alpha Vantage y OpenBB.

4. Portafolios de crecimiento

• Cómo escribir tu tesis de inversión: empezar con una idea, cuestionarla y sostenerla.
• Caso completo del mercado de LiDAR: selección de candidatos, evolución de precios, deuda, equipo directivo, tecnología, alianzas y ganancias proyectadas.
• Riesgos reales: obsolescencia, gigantes de la industria, globalización y conflictos.
• Análisis continuo: medios, tendencias, sentimiento de las noticias y medición del éxito.

5. Portafolios de ingresos

• Dividendos, bonos y staking de criptoactivos: libros mayores, exchanges, minería y opciones accesibles.
• El camino al retiro anticipado.

6. Creación de un monitor de activos

• Arquitectura, hoja de cálculo y extracción de datos desde Alpaca e Interactive Brokers.
• Enriquecimiento y procesamiento por tipo de activo: acciones, fondos cotizados, bonos y criptomonedas.

7. Gestión del riesgo

• Ukemi: stop-loss, clasificación y medición del riesgo.
• Perfiles de riesgo por acción: valor en riesgo (VaR) y correlación.
• El factor humano: negligencia, evitación del riesgo y resiliencia.
• Cobertura: derivados, diversificación, trading por pares y emparejamiento de riesgos.
• Riesgo no financiero y optimización de portafolios: Markowitz, ratio P/E de Shiller y rebalanceo.

8. IA para la investigación financiera

• Del código al aprendizaje automático: ejemplos supervisados y no supervisados, desafíos de mercado y técnicos.
• Del aprendizaje automático a la IA generativa: comparación de modelos y cómo se complementan.
• Uso práctico: LLM como asistentes de investigación e integración en tu código.
• Ingeniería de prompts: perfil del inversor y prompts para encontrar empresas en las que invertir.

9. Agentes de IA

• Requisitos, comunicación efectiva y patrones de diseño agénticos.
• Flujos de trabajo agénticos sin frameworks: repositorio de prompts y exportación de resultados.
• Frameworks para agentes y generación aumentada por recuperación (RAG).

10. Gráficos y análisis técnico

• Lectura de gráficos, patrones, interpretación y tipos alternativos.
• Velas japonesas, gráficos basados en medias y nube de Ichimoku.
• Visualización con Streamlit.

11. Trading algorítmico

• Datos no financieros y big data con ejemplos.
• Catalizadores: fusiones y adquisiciones, empresas en dificultades, conferencias de resultados, desastres y cambios en las tasas de interés.
• Algoritmos de trading, backtesting y señales complejas.
• Órdenes: exchanges frente a brókeres, modificadores y ejecución.

12. Capital privado: invertir en startups

• De la idea a la salida a bolsa: pre-seed, seed, escalado institucional y salidas.
• Vehículos de inversión: venture capital, redes de ángeles inversores y fondos soberanos.
• Evaluación de startups: valuación, dilución y scoring.

13. El camino sigue y sigue

• Obtención de asesoramiento, curiosidad sostenida, cazador de alfa, nomadismo e inversión activista.
• Medidas de control: contrapesos y equilibrios, tomar distancia, el camino del programador e ir a lo seguro.

Apéndice. Configuración del entorno

• Python, gestor de secretos, repositorio de código fuente y entorno de desarrollo con Anaconda, Visual Studio Code o PyCharm.
• Nube: base de datos y gestores de secretos en la nube.
• Exportación y documentación, LLM, brókeres y exchanges.

¿Necesito saber Python para aprovecharlo? Ayuda, pero basta con lo básico. El apéndice monta el entorno paso a paso y puedes apoyarte en un LLM para los huecos.

¿Me sirve si nunca he invertido? Sí. El capítulo 2 enseña los fundamentos desde cero: estados financieros, sectores, capitalización y ratios.

¿Esto es asesoría financiera? No, y el libro lo advierte en su primera página. Te enseña a analizar y decidir; no te dice qué comprar.

¿Funciona desde América Latina o solo para Estados Unidos? Desde donde estés. Ratios, APIs, brókeres y métodos son globales, y el enfoque es agnóstico de mercado.

¿Necesito mucho capital para empezar? No. Lo primero que construyes es criterio: analizas y mides riesgo antes de decidir cuánto arriesgar.

¿Qué bibliotecas y herramientas usa? Python con Pandas, NumPy y Matplotlib, más yfinance, Finviz, EODHD, Alpha Vantage, OpenBB y Streamlit.

¿Los datos que necesito son gratuitos o de pago? Los dos. Arrancas con yfinance, que es gratuito, y el capítulo 3 compara las alternativas comerciales y sus límites.

¿Cubre criptoactivos y bonos o solo acciones? Cubre acciones, bonos, fondos cotizados, divisas, criptoactivos, derivados y capital privado en startups.

¿Trata la inteligencia artificial y los agentes de verdad? Tres capítulos completos: aprendizaje automático, IA generativa con ingeniería de prompts y agentes con RAG.

¿Puedo automatizar compras y ventas con lo que enseña? Sí. El capítulo 11 cubre trading algorítmico, backtesting, tipos de órdenes y su ejecución.

¿Enseña análisis técnico y gráficos? Sí: velas japonesas, bandas de Bollinger, medias, nube de Ichimoku y visualización con Streamlit.

¿Cómo mido y controlo el riesgo? Con valor en riesgo, correlación, ratio de Sharpe, stop-loss, cobertura, diversificación y Markowitz.

¿Sirve para vivir de dividendos o para el retiro anticipado? Sí. El capítulo 5 arma portafolios de ingresos con dividendos, bonos y staking, y aterriza el retiro anticipado.

¿Se queda obsoleto con lo rápido que cambia todo? Las cotizaciones cambian; el método no. Te llevas marcos de decisión y criterios para evaluar herramientas nuevas.

¿Quién es el autor y por qué debería confiar en él? Stefan Papp: más de veinte años invirtiendo en acciones, criptoactivos y bonos, ingeniero de datos y docente universitario.

¿Está en español y puedo leerlo hoy? Sí. Traducción íntegra al español y descarga inmediata en EPUB, PDF y DOCX apenas lo obtienes.

¿Cuánto tardo en tener mi primer análisis funcionando? Una tarde. El apéndice monta el entorno y el capítulo 3 ya te deja consultando datos reales con yfinance.