rodi_python

Es un conjunto de funciones que permiten implementar una Planilla Ford T usando https://jupyter.org. También contiene funciones para obtener datos de Rodi.

Sobre la Planilla Ford T: es la denominación que le puso Francisco Mancuso a su planilla básica (básica en comparación con la de @gcutte) para operar opciones https://www.youtube.com/watch?v=oArjAhDeRaw.

Modo de uso

Aquellos entendidos en Python pueden usar las funciones diréctamente desde línea de comandos, o bien usarlas desde JupyterLab.

Desde JupyterLab

1. Instalar JupyterLab.
2. Clonar este repositorio, por ej. en /home/leonardo/rodi_python o c:\rodi_python.
3. Posicionarse en el directorio anteriormente clonado.
4. ejecutar JupyterLab, en Linux jupyterlab. Se abrirá el navegador web apuntando a http://localhost:8888/lab.

Acceso a datos en tiempo real

Crear el archivo bonos.ipynb con el siguiente contenido:

%run 'funciones.ipynb'
import time
from IPython.display import clear_output, display
login_rodi("usuario_rodi", "password_rodi")
while True:
    d=datapack()
    # Vencimiento 1: CI, 3: 48hs
    af20_ci=getRealtimeData(d['d']['aTabla'], "AF20", 1)["PrecioUltimo"]
    af20_48=getRealtimeData(d['d']['aTabla'], "AF20", 3)["PrecioUltimo"]    
    ay24_ci=getRealtimeData(d['d']['aTabla'], "AY24", 1)["PrecioUltimo"]
    ay24_48=getRealtimeData(d['d']['aTabla'], "AY24", 3)["PrecioUltimo"]
    #ao20_ci=getRealtimeData(d['d']['aTabla'], "AO20", 1)["PrecioUltimo"]
    ao20_48=getRealtimeData(d['d']['aTabla'], "AO20", 3)["PrecioUltimo"]    
    clear_output(wait=True)
    print("AF20: " + str(af20_48))    
    print("AY24: " + str(ay24_48))
    print("AO20: " + str(ao20_48))
    print("AY24/AO20: " + str(ay24_48/ao20_48))
    print(8250*ay24_48/100/ao20_48*100)
    # debajo de 0.90 me conviene vender el AO20 y comprar AY24
    # arriba de 0.90 me conviene vender el AY24 y comprar AO20
    time.sleep(5)

Planilla Ford T

En forma similar a la planilla Ford T de Francisco Mancuso desarrollé esta librería, que permite cargar los datos de los trades en formato JSON.

En el mismo directorio que el archivo funciones.json crear el siguiente archivo dentro de JupyterLab:

%run 'funciones.ipynb'

current=120
trades=[
    {"date": "2019-12-19","type": "STOCK", "price": 108, "qty": 2400},     
    {"date": "2019-12-19","type": "CALL", "base": 102, "price": 19.00, "qty": -24},     
    {"date": "2019-12-19","type": "CALL", "base": 120, "price": 9.50, "qty": -100}, 
    # ideas
]

getResults(trades)

Debería quedar así: