Español | 51.9 Mb | Pdf | Autor: Carlos Mario Ramirez Gil | Publicación: 2021 | Incl. Archivos Código fuente | Páginas: 400 | Pass:www.detodopython.com
Descripción:
Python para finanzas es un libro teórico-práctico; los dos primeros capítulos comienzan con una contextualización sobre la importancia y la utilidad del lenguaje de programación Python en el mundo de las finanzas y con una introducción sobre los aspectos esenciales para empezar a utilizar esta poderosa herramienta.
¿POR QUE LOS USUARIOS DE EXCEL Y ESPECIALMENTE LOS PROFESIONALES DE FINANZAS NECESITAN APRENDER PYTHON?
Amo Microsoft Excel. Es (casi) la herramienta más valiosa de un arsenal para el análisis de datos y modelación financiera. Bueno, casi. Pero a pesar de lo poderoso que es Excel, muchas veces había deseado poder hacer más, especialmente cuando llegué a los límites de Excel, y si trabaja con Excel todos los días, notará que hay bastantes limitaciones de Excel que fácilmente pueden convertirse en una tortura.No estoy aquí para intentar que Excel se vea mal, no, Excel sigue siendo la herramienta más popular para la manipulación de datos, aunque a una escala limitada. Si usa Excel para análisis de datos simples e informes de tableros de control simples, puede arreglárselas fácilmente sin preocupaciones. Pero si ha llegado al punto en el que desea poder automatizar sus informes, manipular conjuntos de datos mucho más grandes con mejor velocidad y menos arrastre, o realizar cálculos más potentes, lo más recomendable es que siga leyendo este capítulo.
VENTAJAS DE PYTHON SOBRE EXCEL
A continuación, se relacionan algunos aspectos en los cuales Python supera ampliamente las capacidades de Excel.
Python no está limitado por el tamaño
Excel puede manejar más de 1 millón de filas (1.048.576 para ser específicos). Sin embargo, cuando supere las 10,000 filas, notará que el libro de trabajo comienza a ralentizarse significativamente. Pruebe esto con más hojas, y seguramente experimentará molestos y erráticos bloqueos de libros de trabajo. Por el contrario, Python puede manejar millones y millones de filas sin ningún problema, solo está limitado por la potencia informática de su PC.
Python no está limitado por la memoria
Los cálculos que consumen mucha memoria, como los cálculos con matrices (Ctrl + Shift + Enter) en Excel, pueden bloquear fácilmente su libro de trabajo, lamentablemente. Microsoft ha realizado muchas mejoras mediante las herrainientas Power (PowerQuery, PowerPivot, PowerBI, etc.) pero las limitaciones de memoria no han desaparecido. Python, usando librerías como numpy y pandas, por otro lado, puede manejar cálculos muy complejos sin complicaciones.
Python no tiene limitaciones de integración
Ninguna herramienta de análisis de datos tiene más capacidades de integración que Python. Puede conectarse a archivos CSV, páginas web HTML, bases de datos SQL e incluso bases de datos NoSQL. Los desarrolladores escriben constantemente herramientas y librerías más eficientes para integrar sus aplicaciones con Python.
PYTHON-PANDAS VS EXCEL
¿Por qué aprender a trabajar con Python cuando tenemos herramientas de Excel y BI?
Excel es la herramienta más utilizada en el mundo para el análisis y la manipulación de datos.
Cada organización seguramente la está usando; analistas, contadores e incluso directores ejecutivos la utilizan para las estadísticas y el manejo de datos. Todos los usuarios de Excel saben cómo Excel puede realizar tareas desde funciones simples hasta fóm1ulas complejas, macros, Power Query, estadísticas complejas y luego codificación VBA, por lo que es nuestro mejor aliado para múltiples situaciones.Pero todos habremos notado que cada vez que abrimos una nueva base de datos o hay un cambio en la base de datos existente, tenemos que lünpiar los datos desde cero o tenemos que escribir una función o código VBA para resolver el problema. Sin entrar en detalles, las limitaciones de Excel son bien conocidas.
Al usar Python, puede disfrutar de la libertad adicional de jugar con datos de Excel y, además de eso, obtener una lista interminable de conexiones a su modelo de datos, es decir, enlaces a aplicaciones web en vivo, bases de datos SQL, etc. Existe una gran herramienta disponible de librería de Python - Pandas.
Contenido:
Capítulo 1. ¿por que los usuarios de excel y especialmente los profesionales de finanzas necesitan aprender python?
Capítulo 2. Aprendiendo python desde cero
Capítulo 3. Los 10 mejores paquetes de python para finanzas y modelado financiero
Capítulo 4. Obteniendo y procesando datos financieros
Capítulo 5. El valor del dinero en el tiempo
Capítulo 6. Extraer y calcular indicadores financieros claves con python
Capítulo 7. Valoración de bonos y acciones
Capítulo 8. Costo promedio ponderado de capital (wacc)
Capítulo 9. Flujo de caja libre descontado: valoración de una empresa
Capítulo 10. Representación gráfica y visual de datos financieros en python
Capítulo 11. Asignación de activos para un portafolio eficiente en python
Capítulo 12. Simulación monte carlo en finanzas
Capítulo 13. Modelado de series de tiempo financieras
Capítulo 14. Integración de python con excel
Buenas tardes, el pdf no puede ser abierto porque tiene un error de encriptación. Hay forma de resubirlo con un nuevo .rar?
ResponderEliminarGracias.
No tiene errores, podría ser que tu Winrar está desactualizado, Actualiza a la última versión para no tener problemas al momento de extraer el archivo.
ResponderEliminar