Construyo pipelines en Python con Pandas y NumPy para descargar, limpiar y transformar series financieras. Implemento indicadores tecnicos, logica de entrada/salida y backtesting con costes realistas. Evaluo cada estrategia con metricas de riesgo ajustado y visualizo equity curves y distribuciones de retornos.
Problema, stack y resultado
Problema que resuelve
Proyecto personal de investigacion financiera: desarrollo estrategias algoritmicas en Python y evaluo indicadores tecnicos con metricas de riesgo ajustado (Sharpe, Sortino, max drawdown).
Tecnologias usadas
Stack principal: Python, Pandas, NumPy. Tecnologias del proyecto: Python, Pandas, NumPy, Matplotlib, Jupyter, Quant Finance.
Que hice yo
Mi rol fue Investigador independiente. Trabaje la parte tecnica, el enfoque de producto y la documentacion suficiente para que el resultado pueda explicarse y evolucionar.
Resultado o aprendizaje
Backtesting con costes, slippage y comisiones realistas. Metricas: Sharpe, Sortino, Calmar, max drawdown, beta.
Highlights
- Backtesting con costes, slippage y comisiones realistas.
- Metricas: Sharpe, Sortino, Calmar, max drawdown, beta.
- Enfoque en robustez (walk-forward, Monte Carlo).
- Documentado en cuadernos Jupyter reproducibles.