Cargar datos de precios: archivos CSV y API gratuitas, precios ajustados frente a no ajustados, valores faltantes y zonas horarias

Qué aprenderás

• Cómo leer un archivo CSV en un DataFrame con fechas correctas, y los argumentos que resuelven los problemas de importación habituales.
• Qué te ofrecen las API de datos gratuitas, qué significan sus licencias y sus valores por defecto, y cómo guardar en caché las descargas.
• Cómo se calculan los factores de ajuste por splits y dividendos y por qué un backtest necesita precios ajustados, pero una orden real necesita precios no ajustados.
• Cómo encontrar y tratar los valores faltantes, y cómo asignar y convertir zonas horarias sin desplazar tus barras.

Explicación

Archivos CSV. Un archivo CSV (comma-separated values, valores separados por comas) es texto plano con una fila por barra. La llamada clave es:

df = pd.read_csv("data/raw/xyz.csv", parse_dates=["Date"], index_col="Date")

parse_dates convierte la columna de texto en marcas temporales e index_col la convierte en el índice. Soluciones habituales: sep=";" y decimal="," para exportaciones alemanas, dayfirst=True para fechas como 03.04.2025, y date_format="%d.%m.%Y" cuando el análisis de fechas falla. Tras cargar, ejecuta df = df.sort_index() (algunas exportaciones van de lo más reciente a lo más antiguo), comprueba df.index.is_unique y pasa los nombres de columna a minúsculas con df.columns = df.columns.str.lower().

API gratuitas. Una API (application programming interface, interfaz de programación de aplicaciones) permite que el código solicite datos a un servidor. Para un primer proyecto, la biblioteca yfinance (datos de Yahoo Finance) es la opción habitual: yf.download("SAP.DE", start="2015-01-01"); está pensada para la investigación personal y no se garantiza su exactitud. Un valor por defecto es importante: en 2026, auto_adjust=True, de modo que la apertura, el máximo, el mínimo y el cierre ya están ajustados por splits y dividendos y no hay columna «Adj Close»; con auto_adjust=False obtienes OHLC ajustado por splits más un «Adj Close» que también incluye los dividendos. Entre las alternativas con planes gratuitos están Stooq (descargas en CSV), Alpha Vantage y Tiingo (requieren registro y una clave de API, con límites estrictos de solicitudes); las condiciones cambian, así que consulta las vigentes, y la lección 12 trata la gestión de claves y los límites de solicitudes. Sea cual sea la fuente, guarda la descarga bruta una sola vez en data/raw/ (CSV o Parquet) y trabaja a partir del archivo; los proveedores revisan el historial y los límites son escasos.

Ajustados frente a no ajustados. El curso Trading sistemático y backtesting explicó por qué los splits y los dividendos distorsionan los backtests; aquí ves cómo funciona la corrección. En un split de n por 1, cada precio anterior se divide entre n (y el volumen se multiplica por n). En un dividendo en efectivo D cuya fecha ex-dividendo es el día t, el método estándar multiplica todos los precios anteriores al día t por el factor 1 − D ÷ C, donde C es el cierre del último día antes de la fecha ex-dividendo. Los ajustes se acumulan hacia atrás. Consecuencias: el historial ajustado cambia con cada nuevo dividendo, y las rentabilidades porcentuales son correctas, mientras que los niveles de precio en euros no lo son. Regla: haz el backtest con datos ajustados, coloca las órdenes reales a precios no ajustados y nunca mezcles ambos en un mismo cálculo.

Valores faltantes. pandas marca los huecos como NaN. Encuéntralos con df.isna().sum(). Rellenar hacia delante unos pocos huecos de precio con df["close"].ffill() es aceptable, pero nunca rellenes hacia delante el volumen, y nunca interpoles precios, porque la interpolación usa el valor futuro e introduce sesgo de anticipación (lección 7). En los demás casos, elimina las filas con df.dropna(subset=["close"]) y anota cuántas fueron. Ten en cuenta que la antigua sintaxis fillna(method="ffill") está obsoleta desde pandas 2.1 y no debe usarse en código nuevo; escribe .ffill().

Zonas horarias. Las barras diarias rara vez las necesitan; los datos intradía, siempre. tz_localize("Europe/Berlin") asigna una zona a un índice sin zona sin cambiar las horas; tz_convert("America/New_York") cambia las horas. Asignar por error la zona de Berlín a datos en UTC desplaza en silencio cada barra una o dos horas, así que consulta la documentación del proveedor. Las fechas de cambio al horario de verano difieren entre Europa y EE. UU., y es entonces cuando las marcas temporales mal gestionadas desalinean los instrumentos.

Ejemplo práctico

Ejemplo hipotético: una acción cierra a €50.00 el lunes. Un dividendo de €1.00 tiene su fecha ex-dividendo el martes, día en que la acción cierra a €49.50. Se ignoran comisiones e impuestos.

Factor de ajuste = 1 − 1.00 ÷ 50.00 = 0.98. Todos los precios anteriores al martes se multiplican por 0.98: el cierre del lunes pasa a ser 50 × 0.98 = €49.00; un cierre de €48.00 de la semana anterior pasa a ser 48 × 0.98 = €47.04.

Rentabilidad a través de la fecha ex-dividendo: sin ajustar, (49.50 − 50.00) ÷ 50.00 = −1.0%, que parece erróneamente una pérdida. Ajustada, (49.50 − 49.00) ÷ 49.00 = +1.02%, que refleja correctamente €1.00 de efectivo recibido frente a una pérdida de precio de €0.50 (neto +€0.50 sobre €50; la pequeña diferencia surge porque la base ajustada es €49).

Ahora un split de 2 por 1: cierres brutos de 100, 102 y 104 antes, y 52 y 53 después. Dividir entre 2 los precios anteriores al split da 50, 51, 52, 52, 53, una serie continua. Sin ello, pct_change() indica una rentabilidad del −50% el día del split, un desplome que nunca ocurrió.

Error frecuente

Actividad práctica

En papel: una acción tiene cierres de €90.00 y €93.00 en dos días, después un split de 3 por 1 y después cierres de €31.00 y €30.38 (hipotético). El día del cierre de €30.38 es la fecha ex-dividendo de un dividendo de €0.60, y el cierre anterior fue de €31.00. (a) Escribe los valores ajustados por el split de los dos cierres anteriores al split. (b) Calcula el factor de ajuste por dividendo y aplícalo a los tres cierres anteriores a la fecha ex-dividendo. (c) Indica la rentabilidad bruta y la totalmente ajustada desde el cierre de €31.00 hasta el cierre de €30.38.

Ideas clave

• Carga con parse_dates e index_col, después ordena, comprueba la unicidad y normaliza los nombres de columna.
• Descarga una vez, guarda los datos brutos en local y lee la licencia de la API y sus valores de ajuste por defecto (yfinance: auto_adjust=True en 2026).
• Factor de split 1 ÷ n, factor de dividendo 1 − D ÷ C, aplicados hacia atrás; haz el backtest con precios ajustados y opera con precios no ajustados.
• Rellena hacia delante como mucho unos pocos huecos de precio, no interpoles nunca, no rellenes nunca el volumen hacia delante, y asigna la zona horaria una sola vez con la zona real del proveedor.

Siguiente paso

La lección 5 convierte los precios en rentabilidades: rentabilidades simples frente a logarítmicas, rentabilidades acumuladas, rentabilidad y volatilidad anualizadas, y ventanas móviles.