La ciencia de datos es un campo importante en el que cualquiera puede contribuir. Todo comienza con obtener algunos datos y visualizarlos. Mira esto.
Importe las bibliotecas necesarias
Usaremos código Python para ayudarnos a crear nuestras imágenes. Primero, necesitamos importar las bibliotecas necesarias. Estas bibliotecas nos ayudarán a descargar los datos, manipularlos y crear visualizaciones.
# Import the necessary librariesimport yfinance as yfimport pandas as pdimport matplotlib.pyplot as plt- finanzas: Esta biblioteca nos permite descargar datos financieros de Yahoo Finance.
- pandas: Esta es una poderosa biblioteca para la manipulación y análisis de datos.
- matplotlib: Esta biblioteca se utiliza para crear visualizaciones en Python.
Definir el rango de fechas y la lista de tickers
A continuación, definimos el rango de fechas para nuestro análisis y la lista de tickers para los que queremos descargar datos. Los tickers incluyen Bitcoin (BTC-USD) y las principales acciones tecnológicas, también conocidas como los «Siete Magníficos».
Se ha establecido que los rangos de fechas comenzarán en 2020, justo antes de la pandemia de Covid, y finalizarán el 19/05/24.
# Define the start and end datesend_date = '2024-05-19'start_date = '2020-01-01'# List of tickers to downloadtickers = ['BTC-USD', 'AAPL', 'MSFT', 'GOOGL', 'AMZN', 'NVDA', 'TSLA', 'META']```Descargar datos historicos
Usamos el finanzas biblioteca para descargar los datos históricos de todos los tickers dentro del rango de fechas especificadas.
# Download historical data for all tickersdata = yf.download(tickers, start=start_date, end=end_date)['Close']# Handle missing data by forward fillingdata.ffill(inplace=True)Aquí, descargamos los precios de cierre para cada ticker y manejamos cualquier dato faltante mediante el llenado directo, lo que significa completar los valores faltantes con los últimos datos disponibles.
Calcular las rentabilidades diarias y las rentabilidades acumuladas
Calculamos los rendimientos diarios de cada acción y luego calculamos los rendimientos acumulados normalizados a una base de 100. Esto nos ayuda a visualizar el crecimiento de cada activo a partir de la misma línea de base.
# Calculate daily returns for each stockreturns = data.pct_change()# Calculate cumulative returns normalized to 100 for each stockcumulative_returns = (1 + returns).cumprod() * 100Trazar los rendimientos acumulados normalizados
Ahora, graficamos los rendimientos acumulados normalizados. Cada línea representa el rendimiento acumulado de un activo, comenzando en una base de 100. Esta visualización nos ayuda a ver las tendencias de crecimiento de bitcoin en comparación con las principales acciones tecnológicas durante el período seleccionado.
# Plot the normalized cumulative returnsplt.figure(figsize=(14, 7))colors = ['b', 'g', 'r', 'c', 'm', 'y', 'k', 'orange']for i, ticker in enumerate(tickers): plt.plot(cumulative_returns[ticker], label=f'{ticker} Cumulative Returns', color=colors[i], alpha=0.7)# Set the title of the plotplt.title('Normalized Cumulative Returns of Bitcoin vs. The Magnificent Seven since Jan 1, 2020')# Label the x-axis as 'Date'plt.xlabel('Date')# Label the y-axis as 'Cumulative Returns (Base 100)'plt.ylabel('Cumulative Returns (Base 100)')# Add a legend to distinguish between Bitcoin and each stockplt.legend()# Enable grid lines on the plot for better readabilityplt.grid(True)# Show the plotplt.show()¿Por qué utilizar rentabilidades acumulativas?
Con todo este código deberíamos poder trazar los rendimientos acumulados normalizados.
Esta visualización nos ayuda a ver las tendencias de crecimiento de bitcoin en comparación con las principales acciones tecnológicas durante el período seleccionado. Los colores y la leyenda facilitan la distinción entre los diferentes activos.
Los rendimientos acumulados se utilizan porque proporcionan una imagen clara del rendimiento total de una inversión durante un período de tiempo. Normalizando a una base de 100, podemos comparar diferentes activos en la misma escala, independientemente de su valor inicial.
Esto es particularmente útil cuando se compara el desempeño de activos con diferentes rangos de precios, como bitcoin y acciones tecnológicas.
Uso de Google Colab
usar colaboración de google (o su IDE preferido) para ejecutar el script completo como se muestra a continuación. Después de ejecutar el código, debería obtener un gráfico similar al siguiente.
# Import the necessary librariesimport yfinance as yfimport pandas as pdimport matplotlib.pyplot as plt# Define the start and end datesend_date = '2024-05-19'start_date = '2020-01-01'# List of tickers to downloadtickers = ['BTC-USD', 'AAPL', 'MSFT', 'GOOGL', 'AMZN', 'NVDA', 'TSLA', 'META']# Download historical data for all tickersdata = yf.download(tickers, start=start_date, end=end_date)['Close']# Handle missing data by forward fillingdata.ffill(inplace=True)# Calculate daily returns for each stockreturns = data.pct_change()# Calculate cumulative returns normalized to 100 for each stockcumulative_returns = (1 + returns).cumprod() * 100# Plot the normalized cumulative returnsplt.figure(figsize=(14, 7))colors = ['b', 'g', 'r', 'c', 'm', 'y', 'k', 'orange']for i, ticker in enumerate(tickers): plt.plot(cumulative_returns[ticker], label=f'{ticker} Cumulative Returns', color=colors[i], alpha=0.7)# Set the title of the plotplt.title('Normalized Cumulative Returns of Bitcoin vs. The Magnificent Seven since Jan 1, 2020')# Label the x-axis as 'Date'plt.xlabel('Date')# Label the y-axis as 'Cumulative Returns (Base 100)'plt.ylabel('Cumulative Returns (Base 100)')# Add a legend to distinguish between Bitcoin and each stockplt.legend()# Enable grid lines on the plot for better readabilityplt.grid(True)# Show the plotplt.show()
Análisis del gráfico
Del gráfico se desprende claramente que bitcoin (BTC-USD) ha tenido un buen desempeño en general, a pesar de su significativa volatilidad.
En varios momentos, algunas de las acciones tecnológicas de los “Siete Magníficos” han superado a Bitcoin, pero ninguna ha mantenido el mismo nivel de crecimiento general durante todo el período.
Observaciones clave
- Rendimiento de Bitcoin: Bitcoin muestra picos y valles significativos, lo que indica su alta volatilidad. A pesar de estas fluctuaciones, su rentabilidad acumulada sigue siendo una de las más altas del período.
Esto demuestra El potencial del Bitcoin para lograr altos rendimientos, aunque con una volatilidad considerable que los tenedores deben soportar para lograr estos altos rendimientos. - Rendimiento de las acciones tecnológicas: Entre las acciones tecnológicas, NVIDIA (NVDA) y Tesla (TSLA) muestran un rendimiento notable. En los últimos periodos, NVIDIA ha superado la rentabilidad del bitcoin, destacando su fuerte tendencia alcista.
Esto indica que, si bien bitcoin tiene un crecimiento sustancial a largo plazo, ciertas acciones tecnológicas pueden superarlo en el corto plazo.
Información sobre inversiones (sin asesoramiento financiero)
Invertir en bitcoin a través de una estrategia de costo promedio en dólares (DCA) y mantenerla a largo plazo acciones ha demostrado ser una estrategia muy exitosa, superando a muchas tecnológicas individuales.
Sin embargo, es importante tener en cuenta el alto volatilidad asociado con bitcoin, que puede ser difícil de manejar si no se ha dedicado suficiente tiempo a estudiar el activo. Los bitcoiners tienden a ver su bitcoin como el del mundo. mejor instrumento de ahorromientras que aquellos que no están tan lejos de la madriguera del conejo lo ven como una inversión más riesgosa.
A pesar del impresionante desempeño a corto plazo de acciones como NVIDIA, bitcoin ofrece ventajas únicas. Tiene más opciones que cualquier capital porque se puede enviar a cualquier parte del mundo, lo que esencialmente representa valor sobre la propiedad intelectual.
Esta transferibilidad global y la naturaleza descentralizada de Bitcoin le dan una ventaja distintiva como forma de almacenamiento y transferencia de valor.
Además, para lograr mejores rendimientos con las acciones tecnológicas, habría que elegir correctamente las acciones con mejor rendimiento, como NVIDIA, entre las «Siete Magníficas». Si bien la indexación puede mitigar este riesgo, aún requiere una gestión activa y opciones estratégicas.
Por el contrario, seleccionar bitcoin (a menudo considerado el “mejor dinero” del mundo) simplifica el proceso de inversión. En lugar de intentar predecir qué acciones tecnológicas podrían superar a Bitcoin en el corto plazo, los inversores pueden elegir Bitcoin por su potencial a largo plazo y su propuesta de valor inherente.
Si bien las acciones de bitcoin y tecnología ofrecen oportunidades lucrativas, las características únicas de bitcoin y su potencial de crecimiento a largo plazo lo convierten en una opción atractiva para aquellos que desean ver crecer su capital sin tener que preocuparse por el riesgo de contraparte o administrar. qué acciones están en su cartera en un momento dado. tiempo.
El poder de la curiosidad y los retoques tanto en la ciencia de la vida como en la de datos.
Los mejores avances a menudo provienen de personas curiosas que están dispuestas a jugar, experimentar y explorar. Los hermanos Wright, que eran mecánicos de bicicletas, descubrieron cómo volar.
Satoshi Nakamoto, un ordenador anónimo, revolucionó el mundo al crear Bitcoin. Satoshi combinó los conocimientos de quienes le precedieron para descubrir la escasez digital, incentivando una mayor cooperación y menos violencia a través de una poderosa criptografía.
Así como estos pioneros transformaron sus campos a través de la curiosidad y la experimentación, usted también puede aprovechar el poder de la ciencia de datos para descubrir nuevos conocimientos e innovaciones.
Existen muchas herramientas excelentes, incluidas las que usamos hoy, como Python, yfinance, pandas y matplotlib. Combínelos con herramientas de inteligencia artificial y la accesibilidad de plataformas como Google Colab directamente en su navegador web, y nunca ha sido tan fácil crear y modificar.
La ciencia de datos no es sólo para los expertos: es un campo de juego para cualquiera que tenga curiosidad y esté dispuesto a aprender. Ya sea que esté visualizando los rendimientos de acciones y bitcoins o profundizando en análisis más complejos, las herramientas y el conocimiento están a su alcance.
Al experimentar con datos y perfeccionar sus habilidades, puede contribuir a este campo en constante evolución.
Recuerde, algunas de las mejores herramientas y conocimientos provendrán de aquellos que tienen curiosidad y están ansiosos por probar, aprender y explorar. Así que adelante, experimenta con datos y ve adónde te lleva tu curiosidad.
El mundo de la ciencia de datos es vasto y está lleno de potencial, y usted tiene todas las herramientas que necesita para lograr sus propios avances. Las manitas de hoy cambiarán el mundo para mejor, tal como lo han hecho siempre.