Escribe tu primer paper de economía

Vamos a programar un bot y le vamos a enseñar a hacer trading con criptomonedas. Este será nuestro proyecto durante la segunda mitad de 2022.

Las finanzas son un mundo fascinante y misterioso. Desgraciadamente es un mundo muy cerrado y exclusivo: en 2019, el 1 por ciento más rico de Estadounidenses controlaba cerca de un 38 por ciento del valor de las acciones en la bolsa. Y si vemos lo que controla el 10 por ciento más rico llegamos a un impactante 84 por ciento de todas las acciones.

Esta es una gran parte de la razón por las que blockchain y las criptomonedas han crecido considerablemente en los últimos años. Personas que históricamente se encontraban excluidas de hacer trading han encontrado en las criptomonedas una manera alternativa de entrar en estos mercados sin necesidad de pedir permiso a nadie.

Ahora ha llegado el momento para que si tu quieres ser parte de esto, aprendas a hacerlo totalmente por tu cuenta. Lo único que necesitas es tu inteligencia, una computadora y muchas ganas de aprender. En el camino aprenderemos mucho sobre cómo funciona el mercado, las finanzas, las criptomonedas y a programar. Incluso si no te haces trader de criptomonedas, es un proyecto muy divertido que me tiene emocionado.

¿Qué vamos a aprender?

Para hacer este bot tenemos que juntar muchas habilidades distintas. Necesitamos conocer algo sobre trading, criptomonedas y programación. Por esta razón tendremos cuatro talleres enfocados en que aprendas lo necesario para lanzar este bot de manera exitosa.

Cómo funciona

Los talleres son para suscriptores premium, puedes tener una suscripción por mes sólo para los meses en los talleres que te interesan o una suscripción anual para tener acceso a todos los talleres. Pero además de los talleres tendrás acceso a los tutoriales.

Los tutoriales son posts que voy a estar publicando en preparación para cada taller. De esta manera podrás ir armando el bot por tu cuenta siguiendo las instrucciones que te voy a escribir. Vas a poder encontrar todos los posts relacionados al proyecto en esta misma página.

Preguntas Frecuentes

• ¿Qué necesito para comenzar?
  R: Con una computadora y tus ganas de aprender es suficiente. Vamos a trabajar mucho con Python, así que es buena idea que lo descargues e instales en tu computadora, además de algún buen editor de código. Mi favorito es VS Code.
• ¿Se necesita pagar cuotas adicionales para hacer trading durante los talleres?. Soy muy cuidadoso de que todo lo que hagamos se mantenga dentro del free tier y no te haga gastar nada adicional. Además, usaremos python que es gratis de descargar y usar.
• ¿Es arriesgado?.
  R: Todas las inversiones son arriesgadas. En el taller no te voy a hacer ninguna recomendación para que inviertas en nada en específico. Por eso debes de tener mucho cuidado cuando finalmente hagas inversiones en el mundo real. En los talleres aprenderemos cómo hacer simulaciones para evaluar nuestros modelos. Haz muchos ejercicios como los que mostraremos antes de hacer inversiones en el mundo real.
• ¿Me vas a vender algo al final de los talleres?.
  No. No estoy patrocinado por ninguna plataforma de trading ni creador de criptomonedas. Todo este proyecto es con fines educativos y la idea es que tu puedas hacer tus propias decisiones de manera individual.
• ¿Necesito aprender finanzas?.
  Si. Los análisis básicos y la lectura de gráficos están incluidos en los talleres y posts, afortunadamente. También tienes acceso a muchos posts sobre el tema que te ayudarán a comprender mejor las finanzas.
• Mándame tus preguntas a hola@marionomics.com

Comentarios de otros cursos

Opiniones del Curso de Economía del Comportamiento - Platzi

Conoce las opiniones sobre el Curso de Economía del Comportamiento. Este curso tiene una valoración de 4.5 y ha sido tomado por 128 estudiantes.

http://platzi.com/cursos/economia-del-comportamiento/opiniones/

El término se convirtió en buzzword rápidamente. Su rápida adopción por los medios tuvo la ventaja de que muchas personas aprendieron el término rápidamente, pero con la gran desventaja de que el término se comenzó a usar mal y acabó perdiendo su significado original.

Big Data se refiere, como su nombre lo dice, a volúmenes muy grandes de datos. Esta rama se empezó a desarrollar por la necesidad de almacenar y procesar cantidades gigantes de datos. Por ejemplo, en YouTube se suben miles de horas de video cada segundo y detrás la carga y almacen se encuentra infraestructura especial, algoritmos y modelos de bases de datos especiales. Esto es Big Data.

Que no es Big Data

Muchas personas suelen confundir Big Data con otras áreas donde se procesan datos. En ocasiones se utiliza como un término genérico para referirse a Business Analytics, Data Science u otras actividades similares en las que los datos son el centro. Si bien estas otras actividades podrían estar usando Big Data, no siempre es el caso, y es buen idea tener esto presente.

Este Julio de 2022 se llevó a cabo el taller de Econometría con Python. Asistieron personas de 3 diferentes ciudades en dos zonas horarias listas para aprender.

Puedes reproducir el video aquí.

Veamos primero el código y después explicamos.

list = ['never', 'gonna', 'give','you', 'up']

with open('path/rick.csv', 'w') as f:
	f.write('letra\n')
        for palabra in cancion:
            f.write(palabra + '\n')

Este código no requiere de ningún módulo adicional, con las funciones built-in de Python es suficiente. La primera línea es una simple lista de Python con strings que nosotros queremos que sume a un archivo csv, cada uno de los elementos en una línea. En la línea f.write('letra \n') estamos incluyendo un título a la columna única de nuestro archivo.

El siguiente bloque es más interesante. Es el que permite escribir en tu computadora el archivo. No necesitas que el csv esté ya creado: python creará el archivo rick.csv. En la primera línea se especifica que python va a estar trabajando en este documento, y en las otras dos líneas se crea un ciclo.

El ciclo es que por cada uno de los elementos en la lista, python escribirá una palabra, seguida de un salto de línea. El resultado final es un csv con una sola columna que incluye tu lista.

Las bolsas del mundo están sufriendo grandes caídas, la inflación permanece inabatible a pesar de un alza en las tasas de interés y muchos analistas prevén una recesión. A pesar de todo esto, hay razones para mantenerse positivos.

Hace algunas semanas, El S&P 500 entró en el territorio de un mercado bear. Las acciones de las empresas de tecnología siguen cayendo y con ellas las criptomonedas. Todo esto enmarcado en que la FED decidió subir la tasa de referencia en 75 puntos base. Es la subida a las tasas de interés más alta en casi 30 años.

De hecho, la última vez que la FED subió así las tasas de interés fue en 1994 y se reconoce que eso fue en parte la causa de la crisis económica originada en México conocida como el efecto tequila. Estas acciones de la FED muestran su compromiso a controlar la inflación que ha ido creciendo a partir del año pasado.

Todo comenzó con la pandemia

La pandemia ha trazado un antes y un después de la economía en el mundo. Ya sea por enfermedad, comorbilidades o miedo al contagio, las empresas de transporte han tenido desde entonces dificultades para encontrar trabajadores. El problema se volvió más complejo acercándose las fechas navideñas de 2021, pero aún para entonces el presidente de la FED, Jerome Powell, consideraba que se trataba de un asunto transitorio.

Esta misma narrativa se compartió en Banxico durante finales de 2021. Después de todo, a finales del año pasado se acumulaban las presiones de logística a nivel mundial al mismo tiempo que aumentaba la demanda de bienes derivado de los estímulos económicos que el gobierno de los Estados Unidos otorgó a sus habitantes.

Pero la inflación no ha cedido. Al contrario, a partir de la invasión Rusa a Ucrania se han desatado presiones inflacionarias nuevas que vienen de las sanciones que se le han impuesto al país soviético.

La invasión a Ucrania y la inflación

Los problemas de inflación a partir de la invasión de Rusia a Ucrania vienen principalmente por los energéticos. Rusia es un gran exportador de petróleo y gran parte de sus ingresos por exportaciones viene de ahí. A pesar de que las sanciones a su sistema financiero excluyen a los bancos con los que Europa compra energéticos, poco a poco Europa ha tomado medidas para disminuir sus niveles de consumo de petróleo de origen ruso.

Por otro lado está el trigo y los granos que provienen de Ucrania. Entre Rusia y Ucrania se produce el 25% de los granos de exportación. Esto no quiere decir que el mundo se queda sin una cuarta parte del trigo: más del 90% del trigo en el mundo se produce para consumo doméstico. No contar con el trigo de Rusia y Ucrania implicaría un desabasto cercano al 1% del trigo a nivel mundial.

Es posible que esto se contrarreste por la reacción de productores alrededor del mundo. Los precios de los contratos futuros de trigo comenzaron a subir desde tiempo antes incluso de la invasión a Ucrania cuando se comenzaron a prever las tensiones. Esto sumado a que este año el cultivo de trigo de Rusia ha sido una de las cosechas más grandes del mundo nos traer una situación distinta.

Por si fuera poco, los minerales que hay en estos países son en muchos casos indispensables para la creación de microchips. Estos son necesarios para la producción de muchos bienes, no sólo para computadoras. Por ejemplo, los autos y los equipos de transporte han disminuido considerablemente su producción debido al desabasto de microchips.

Esto genera una presión inflacionaria que no estoy del todo seguro que pueda ser contenida del todo únicamente con herramientas monerarias. Si bien el aumento de las tasas de interés ayuda a disminuir los ritmos de producción y puede que alivie estas presiones, el tamaño de la medida tiene altas probabilidades de crear una recesión, esto sin solventar los problemas de fondo que han causado la inflación podrían llevarnos a la temida estanflación.

Seguramente has escuchado esta canción. Es uno de los grandes éxitos de Ed Sheeran.

Hay un coro dentro de esta canción que es muy popular. La primera vez que aparece en la canción en el minuto 1:10. Tal vez lo reconozcas dentro de esta otra canción, de otro artista en el minuto 0:45.

Sami Chokri, o Sami Switch demandó recientemente a Ed Sheeran, reclamando que ese Oh Why es copiado al de su canción. Al final, el juez determinó que la acusación no tenía sustento. Ed Sheeran por su parte declaró su descontento ante la situación. De acuerdo al artista, los cantantes de pop de alto reconocimiento suelen ser víctimas fáciles de intentos de demanda de este tipo.

Las coincidencias sucederán si se lanzan 60,000 canciones cada día en Spotify. Eso son 22 millones de canciones al año y sólo hay 12 notas disponibles.
- Ed Sheeran.

El poder del crecimiento exponencial

Doce notas podrían parecer poco, pero hay muchísimas combinaciones que podrían darse con ellas en una melodía. Considera una melodía simple de cuatro notas. Hay \(12^4\) formas distintas de combinarlas, lo cual es igual a más de veinte mil formas.

En realidad, las melodías se componen normalmente de más de cuatro notas. Cada  verso en la canción de La Chona tiene 14 notas. Esto es, la combinación específica de notas que tuviste que teclear para obtener la melodía de La Chona es una entre 1,283 billones.

Si le cambias una sola nota a La Chona, ya no sería la misma canción. Pero en realidad las canciones son mucho más complejas que eso. Generalmente vienen en diferentes tonalidades si mantienes una diferente duración en una nota, la canción podría sonar diferente. Puedes cambiar la letra y es una canción muy diferente. Con un idioma diferente puedes crear algo totalmente distinto. Por ejemplo, Será que no me amas, de Luis Miguel es una canción totalmente distinta a Blame it on the Boogie, de los Jacksons en todo excepto la melodía.

Tal vez no sean esos los aspectos para determinar cuando una canción es o no plagio, pero es sin duda un área interesante con muchas preguntas abiertas desde la filosofía, el derecho y por supuesto, la economía.

Lo que hay detrás de está página es un esfuerzo para mejorar de manera contínua las habilidades de economistas hispanohablantes. Para eso, estoy incluyendo en la suscripción premium talleres. Hoy tendremos el taller de Econometría con Python, donde veremos en cuatro horas todo lo importante para hacer tu primer modelo econométrico usando Python.

Cómo ver el código

Para comenzar no necesitas instalar ningún software. Todo lo podrás hacer con Google Colab. Tenemos un repositorio del curso al que puedes acceder desde Colab. Al entrar a la página te aparecerá una pantalla de inicio con múltiples pestañas que podrás seleccionar para elegir una forma de entrar a Colab. La pestaña por defecto es Recientes, que te ayuda a abrir notebooks que ya hayas trabajado, pero también puedes cargar notebooks desde Google Drive o en Github. Haremos lo segundo.

Selecciona la pestaña de GitHub y coloca el enlace del repositorio como se muestra en la imagen. Si das enter te mostrará los notebooks que el repositorio tiene disponibles. Puedes comenzar con el primero. Al dar click en él se abrirá tu notebook de jupyter en línea que podrás copiar o editar directamente. Ese notebook ya es tuyo y lo que en él anotes no afectará al documento del repositorio.

Los datos

En el repositorio hay una carpeta que se llama data. En ocasiones haremos alguna carga de datos de este repositorio. Yo trabajo los datos en local, porque el repositorio está ubicado en mi computadora, pero tal vez tengas que cargar los datos tu en el notebook desde Colab. Recuerda que Colab es una computadora remota y no tiene relación con los archivos en tu computadora. Usa el siguiente código para cargar las bases de datos.

import pandas as pd

url = "https://raw.githubusercontent.com/marionomics/econometria/main/data/Student_Behaviour.csv"

df = pd.read_csv(url)

La única diferencia es en la URL, si usarás una base de datos diferente. En tal caso debes de buscar el archivo en el repositorio y bucar el archivo en bruto (raw). Cuando estés en ese archivo, copia y pega la URL en el código de arriba.

La Música

El taller son varias horas. Hay descansos de diez minutos cada 50. Si te da curiosidad de la música que les puse, toda está en esta playlist.

La grabación

Me tardo un par de días, pero en los días posteriores al evento subiré el archivo del video por zoom para todos los suscriptores premium. Regresa a esta página en un par de días y estará aquí el enlace.

Para un proyecto que estoy trabajando se me ocurrió que necesitaría extraer todas las bases de datos de la ENOE. No quería pasarme una hora descargando bases de datos, por lo que me dediqué dos horas a hacer un script en python que las acomoda por mi.

Usaremos urllib.request para usar métodos de request que nos permita extraer los datos desde la página de INEGI y las cargue directamente en nuestro disco duro. Los enlaces en INEGI son muy consistentes, por lo que podremos crear una url base que cambiará con la base y el año, siempre y cuando no cambien las url en INEGI.

Primero cargamos los módulos que necesitaremos para hacer esta carga.

import pandas as pd
from urllib.request import urlopen
from zipfile import ZipFile
from io import BytesIO

Ahora haremos un ciclo for que pasará por los años que nos interesan y nos ayudarán a extraer las bases de datos. La ENOE sufrió cambios antes y después de la pandemia. Lo que verás como cambio es que ENOE N es la encuesta post pandemia. Este código importa los datos a partir del tercer trimestre de 2022. Recordemos que el primer trimestre aún fue con la versión anterior de la ENOE y el segundo se tomó la encuesta de manera telefónica (ETOE).

# Extract and download from ENOE_N (post-covid)
# Extraer los datos de la ENOE N

for year in range(2020,2023):
    for trimestre in range(1,5):
        url = "https://www.inegi.org.mx/contenidos/programas/enoe/15ymas/microdatos/enoe_n_"+str(year)+"_trim"+str(trimestre)+"_csv.zip"
        
        try:
            resp = urlopen(url)
            zipfile = ZipFile(BytesIO(resp.read()))
            zipfile.extractall("../data/ENOE_N")
        except:
            print("Oops, something went wrong while loading dataset of quarter " + str(trimestre)+ " in year " + str(year))

Puse una excepción para manejar el error de aquellos datos que no se encuentran aún disponibles. Esto hace que te genere un mensaje de error personalizado al cargar

En realidad, podríamos usar un if para diferenciar cuando es ENOE y cuándo es ENOE_N y así usar un sólo script. Como tenía que diferenciar a partir del año y el trimestre, me pareció más problema del necesario hacerlo así. Por eso repetí el código para extraer los datos desde 2010. El código no presentó errores más que en los trimestres 2 al 4 de 2020, como es de esperarse.

for year in range(2010,2021):
    for trimestre in range(1,5):
        url = "https://www.inegi.org.mx/contenidos/programas/enoe/15ymas/microdatos/"+str(year)+"trim"+str(trimestre)+"_csv.zip"
        
        try:
            resp = urlopen(url)
            zipfile = ZipFile(BytesIO(resp.read()))
            zipfile.extractall("../data/ENOE")
        except:
            print("Oops, something went wrong while loading dataset of quarter " + str(trimestre)+ " in year " + str(year))