1. Preparar tu entorno: Python y sus herramientas

Nivel 2: Python desde Cero para Finanzas

Python es, hoy, el lenguaje por defecto de las finanzas cuantitativas. No es el más rápido, pero es el que tiene el ecosistema más grande de librerías para datos, estadística y machine learning, y el que casi cualquier equipo cuantitativo espera que sepas usar.

Es un lenguaje de alto nivel, interpretado y de tipado dinámico: no tienes que declarar el tipo de una variable antes de usarla, ni compilar el código antes de ejecutarlo — escribes una línea y la ejecutas. Eso lo hace mucho más rápido de aprender que lenguajes como C++ o Java, al precio de ser más lento en tiempo de ejecución. Para casi todo lo que vas a hacer en este curso, esa diferencia de velocidad no importa: las librerías científicas de Python (NumPy, pandas) están escritas por debajo en C, así que el código vectorizado corre casi tan rápido como C aunque tú lo escribas en Python.

Para montar tu entorno de trabajo necesitas tres cosas: el propio Python, un gestor de paquetes para instalar librerías, y un sitio donde escribir y ejecutar el código.

La forma más sencilla en 2026 es instalar Python 3 directamente desde python.org (evita cualquier tutorial que todavía hable de Python 2 — lleva descontinuado desde 2020 y ya no debería usarse para nada nuevo), y usar pip, el gestor de paquetes que viene incluido, para instalar las librerías que vas a necesitar:

pip install numpy pandas matplotlib yfinance jupyter

Con eso tienes acceso a NumPy (cálculo numérico), pandas (manejo de tablas de datos), matplotlib (gráficos), yfinance (para descargar precios reales gratis) y Jupyter (el cuaderno interactivo donde vas a escribir la mayoría del código de este curso).

Un Jupyter Notebook es un documento donde puedes mezclar código Python, su resultado y texto explicativo en la misma pantalla, dividido en celdas que ejecutas una a una. Es el formato estándar de trabajo de cualquier analista cuantitativo: te permite probar una idea, ver el resultado al instante, y documentar por qué lo hiciste, todo junto. Para abrir uno, desde la terminal:

jupyter notebook

Esto abre una pestaña en tu navegador desde la que puedes crear notebooks nuevos. Alternativamente, editores como VS Code tienen soporte nativo para archivos .ipynb, así que puedes trabajar con notebooks sin salir de tu editor habitual.

Si prefieres no gestionar nada de esto tú mismo, la distribución Anaconda instala Python junto con las librerías científicas más comunes ya preparadas, a costa de ocupar bastante más espacio en disco. Para este curso, cualquiera de los dos caminos — pip a mano o Anaconda — te deja exactamente en el mismo sitio.

Una última recomendación práctica: usa un entorno virtual por proyecto (python -m venv nombre_entorno), en vez de instalar todo globalmente en tu sistema. Con el tiempo acumularás proyectos que necesitan versiones distintas de la misma librería, y un entorno virtual evita que se pisen entre ellos.