import pandas as pd import os PATH_UBUNTU = "/var/www/html/flask_project/" pd.set_option('display.max_rows', None) symbol = "RUT" estrategia = "Vertical" desplazamiento = -5 desde = "2025-01-01" # Fecha inicial en formato 'YYYY-MM-DD' lista_hasta = ['2025-04-21'] # Fechas 'hastas' en formato 'YYYY-MM-DD' , 'YYYY-MM-DD' # Archivo a cargar elArchivo = 'bola8/makekos/' + symbol + '/' + symbol + '_' + estrategia + '_strikes_0000.csv' # Generar lista de archivos con incrementos de 5 minutos def generar_lista_archivos(base_archivo, start_hour=10, start_minute=5, end_hour=16): archivos = [] prefix, _ = base_archivo.rsplit('_', 1) # Separar el prefijo del archivo base for hour in range(start_hour, end_hour + 1): for minute in range(0, 60, 5): # Comenzar en 09:40 if hour == start_hour and minute < start_minute: continue # Terminar en 15:00 if hour == end_hour and minute > 0: break time_str = f"{hour:02}{minute:02}" # Formato HHMM archivo = f"{prefix}_{time_str}.csv" archivos.append(archivo) return archivos # Crear la lista de archivos lista_archivos = generar_lista_archivos(elArchivo) # Función para calcular el crédito recibido y el precio subyacente desde un archivo CSV def calcular_credito_y_underlying_desde_archivo_csv(archivo_option_chain, strike1, strike2, option_type, time): option_chain_df = pd.read_csv(archivo_option_chain) option_chain_df['timestamp'] = pd.to_datetime(option_chain_df['timestamp']) filtered_chain = option_chain_df[option_chain_df['timestamp'] >= time] if filtered_chain.empty: return "No data found after the specified time", None strikes_data = filtered_chain[(filtered_chain['strike'].isin([strike1, strike2]))] if option_type == 'PUT': strikes_data = strikes_data[["strike", "bid_put", "ask_put", "underlying_price"]] elif option_type == 'CALL': strikes_data = strikes_data[["strike", "bid_call", "ask_call", "underlying_price"]] if strikes_data.empty: return "Strikes not found in the filtered data", None try: strike1_data = strikes_data[strikes_data['strike'] == strike1].iloc[0] strike2_data = strikes_data[strikes_data['strike'] == strike2].iloc[0] except: return 0,None # strike1_data = strikes_data[strikes_data['strike'] == strike1].iloc[0] # strike2_data = strikes_data[strikes_data['strike'] == strike2].iloc[0] if option_type == 'PUT': strike1_avg = (strike1_data['bid_put'] + strike1_data['ask_put']) / 2 strike2_avg = (strike2_data['bid_put'] + strike2_data['ask_put']) / 2 elif option_type == 'CALL': strike1_avg = (strike1_data['bid_call'] + strike1_data['ask_call']) / 2 strike2_avg = (strike2_data['bid_call'] + strike2_data['ask_call']) / 2 credit_received = strike1_avg - strike2_avg underlying_price = strike1_data['underlying_price'] return credit_received, underlying_price def obtener_ultimo_underlying_price(archivo_option_chain): try: # Leer el archivo CSV option_chain_df = pd.read_csv(archivo_option_chain) # Asegurarse de que 'timestamp' sea de tipo datetime option_chain_df['timestamp'] = pd.to_datetime(option_chain_df['timestamp']) # Ordenar por timestamp para garantizar el último registro option_chain_df = option_chain_df.sort_values(by='timestamp') # Obtener el último precio del subyacente if 'underlying_price' in option_chain_df.columns: ultimo_underlying_price = option_chain_df['underlying_price'].iloc[-1] return ultimo_underlying_price else: return None except Exception as e: return None # Función para iterar sobre los días y calcular el crédito para cada vertical def calcular_precios_verticales(vertical_strikes_df, path_csv_base, desplazamiento, desde, hasta): resultados = [] symbol = vertical_strikes_df['Symbol'].iloc[0] # Filtrar el DataFrame de strikes para incluir solo las fechas dentro del rango vertical_strikes_df['Day'] = pd.to_datetime(vertical_strikes_df['Day']) vertical_strikes_df = vertical_strikes_df[(vertical_strikes_df['Day'] >= pd.to_datetime(desde)) & (vertical_strikes_df['Day'] <= pd.to_datetime(hasta))].copy() # Aplicar el desplazamiento a los strikes según el tipo de opción usando .loc vertical_strikes_df.loc[:, 'Strike1_Desplazado'] = vertical_strikes_df.apply( lambda row: row['Strike1'] + desplazamiento if row['Option_Type'] == 'CALL' else row['Strike1'] - desplazamiento, axis=1 ) vertical_strikes_df.loc[:, 'Strike2_Desplazado'] = vertical_strikes_df.apply( lambda row: row['Strike2'] + desplazamiento if row['Option_Type'] == 'CALL' else row['Strike2'] - desplazamiento, axis=1 ) for index, row in vertical_strikes_df.iterrows(): fecha = pd.to_datetime(row['Day']).strftime('%Y-%m-%d') hora = row['Hour'] strike1 = row['Strike1_Desplazado'] strike2 = row['Strike2_Desplazado'] option_type = row['Option_Type'] if option_type == 'CALL': strike_venta = min(strike1, strike2) strike_compra = max(strike1, strike2) elif option_type == 'PUT': strike_venta = max(strike1, strike2) strike_compra = min(strike1, strike2) specific_time = pd.to_datetime(f"{row['Day']} {hora}") # Lista de símbolos que deben llevar el prefijo "$" simbolos_con_dolar = {'SPX', 'RUT', 'XSP'} # Construcción de la ruta del archivo if symbol in simbolos_con_dolar: archivo_option_chain = f"{path_csv_base}chains/optionChain_${symbol}_{fecha}.csv" else: archivo_option_chain = f"{path_csv_base}chains/optionChain_{symbol}_{fecha}.csv" try: credit_result, underlying_price_specific_time = calcular_credito_y_underlying_desde_archivo_csv(archivo_option_chain, strike1, strike2, option_type, specific_time) except FileNotFoundError: credit_result = 'File not found' try: underlying_price_16 = obtener_ultimo_underlying_price(archivo_option_chain) except: underlying_price_16 = None spreadDiff = abs(strike1-strike2) if underlying_price_16 is not None and underlying_price_specific_time is not None: if option_type == 'CALL': if underlying_price_16 > strike_compra: ganancia_dia = (credit_result - spreadDiff) * 100 elif underlying_price_16 < strike_venta: ganancia_dia = credit_result * 100 else: valor_itm = (underlying_price_16 - strike_venta) * 100 ganancia_dia = credit_result * 100 - valor_itm elif option_type == 'PUT': if underlying_price_16 < strike_compra: ganancia_dia = (credit_result - spreadDiff) * 100 elif underlying_price_16 > strike_venta: ganancia_dia = credit_result * 100 else: valor_itm = (strike_venta - underlying_price_16) * 100 ganancia_dia = credit_result * 100 - valor_itm else: ganancia_dia = 'No calculable' resultados.append({ 'Day': fecha, 'Time': hora, 'Strike1_Desplazado': strike1, 'Strike2_Desplazado': strike2, 'Option_Type': option_type, 'Credit_Received': credit_result, 'Underlying_Price_16': underlying_price_16, 'Ganancia_Dia': ganancia_dia }) resultados_df = pd.DataFrame(resultados) resultados_df['Ganancia_Dia'] = pd.to_numeric(resultados_df['Ganancia_Dia'], errors='coerce') resultados_df['Ganancia_Dia'] = resultados_df['Ganancia_Dia'].map(lambda x: round(x, 2) if pd.notnull(x) else x) profit_total = resultados_df['Ganancia_Dia'].sum() dias_profit_positivo = resultados_df[resultados_df['Ganancia_Dia'] > 0].shape[0] dias_profit_negativo = resultados_df[resultados_df['Ganancia_Dia'] < 0].shape[0] return resultados_df, profit_total, dias_profit_positivo, dias_profit_negativo # Crear una lista para almacenar los resultados de cada rango resultados_totales = [] # Iterar sobre cada fecha en `lista_hasta` for hasta in lista_hasta: # Archivo CSV donde se guardarán los resultados para este rango output_csv = f"{symbol}_{estrategia}_{desde}_{hasta}_Desp{desplazamiento}.csv" # Si el archivo no existe, crear el archivo con encabezados with open(output_csv, 'w') as f: f.write('Hour,Profit_Total,Días_Profit_Positivo,Días_Profit_Negativo,Win_Rate,desplazamiento\n') # Iterar sobre la lista de archivos generada for archivo in lista_archivos: print(f"Procesando archivo: {archivo} para rango {desde} a {hasta}") # Mostrar progreso try: # Cargar archivo con strikes vertical_strikes_df = pd.read_csv(PATH_UBUNTU + archivo) # Convertir a datetime y filtrar por rango de fechas vertical_strikes_df['Day'] = pd.to_datetime(vertical_strikes_df['Day']) vertical_strikes_df = vertical_strikes_df[(vertical_strikes_df['Day'] >= desde) & (vertical_strikes_df['Day'] <= hasta)] # Llamar a la función con el desplazamiento resultados_verticales, profit_total, dias_profit_positivo, dias_profit_negativo = calcular_precios_verticales(vertical_strikes_df, PATH_UBUNTU, desplazamiento, desde, hasta) # Calcular el número total de días total_dias = dias_profit_positivo + dias_profit_negativo # Calcular el Win Rate if total_dias > 0: win_rate = (dias_profit_positivo / total_dias) * 100 else: win_rate = 0.0 # Extraer la hora del nombre del archivo hour = archivo.split('_')[-1].replace('.csv', '') # Escribir los resultados en el archivo CSV with open(output_csv, 'a') as f: f.write(f"{hour},{profit_total:.2f},{dias_profit_positivo},{dias_profit_negativo},{win_rate:.2f},{desplazamiento}\n") except FileNotFoundError: print(f"Archivo no encontrado: {archivo}") except Exception as e: print(f"Error procesando archivo {archivo}: {e}") # Mostrar mensaje final para este rango print(f"Resultados guardados en '{output_csv}'")