Bollinger bands ®

mkdir bollinger_bands
cd bollinger_bands
python3 -m venv venv
source venv/bin/activate
pip3 install yfinance pandas matplotlib

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import yfinance as yf
from datetime import datetime, timedelta

def bollinger_band(stock_name, desde=datetime.today() - timedelta(days=365) , window=20):
    # La función espera recibir los siguientes parámetros:
    #   stock_name: ID que identifica a la acción p.ej "GOOGL" en el caso de Google
    #   desde: Fecha desde la cual se desea iniciar la representación. Si no se especifica
    #          nada, por defecto, se tomará un periodo de 1 año contando a partir de hoy
    #   windows: Número de días a considerar para los cálculos de la media móvil simple y
    #            de las desviaciones standar. Si no se especifica, se tomarán 20 días.
    #
    # Documentación Yahoo finance en https://pypi.org/project/yfinance/ 

    # Utilizamos la API de Yahoo finance para recuperar la 
    # información histórica de las cotizaciones en bolsa para
    # las acciones de la empresa seleccionada.
    stock_data = yf.Ticker(stock_name)

    # Guardamos todos los datos recuperados en un DataFrame de pandas.
    # Aunque podríamos limitar el periodo deseado en la descarga, dado que el 
    # volumen de información es reducido, descargamos toda la información disponible
    # y realizaremos el filtrado posteriormente. 
    stock_hist = stock_data.history(period="max", auto_adjust=True)

    # Añadimos la columna "mean" al DataFrame con el valor de la SMA (media móvil simple)
    # tomado en consideración la cantidad de días deseados (20 por defecto)
    stock_hist['mean'] = stock_hist["Close"].rolling(window=window).mean()

    # Guardamos desviación standar para el mismo periodo considerado para la media.
    stock_hist['std'] = stock_hist["Close"].rolling(window=window).std()

    # Creamos columna con el valor de la banda superior 
    # (considerando 2 desviaciones standar)
    stock_hist['BU'] = stock_hist["mean"] + 2 * stock_hist["std"]

    # Creamos columna con el valor de la banda inferior 
    # (considerando 2 desviaciones standar)
    stock_hist['BD'] = stock_hist["mean"] - 2 * stock_hist["std"]

    # Añadimos columna que contendrá los valores que superan la banda superior.
    # Se supone que deberíamos considerar la venta de acciones por estár sobrevaloradas.
    stock_hist['BU point'] = stock_hist['Close']
    condicion = (stock_hist['BU point'] <= stock_hist['BU'])
    stock_hist.loc[condicion,'BU point'] = np.nan

    # Añadimos columna que contendrá los valores que sean menores a la banda inferior.
    # Se supone que deberíamos considerar la compra de acciones por estár infravaloradas.
    stock_hist['BD point'] = stock_hist['Close']
    condicion = (stock_hist['BD point'] >= stock_hist['BD'])
    stock_hist.loc[condicion,'BD point'] = np.nan

    # Creamos el lienzo para dibujar la imagen
    plt.figure(figsize=(15, 6))

    # Calculamos la fecha desde la cual queremos iniciar la representación.
    inicio = pd.to_datetime(desde)

    # Dibujoas los valores de cierre de la acción.
    stock_hist.loc[inicio:,"Close"].plot(alpha=0.5)

    # Para no sobrecargar el gráfico, no mostraremos las líneas que representan las bandas.
    # Pero si deseas añadirlas, descomenta las líneas siguientes.
    # stock_hist.loc[inicio:,"BU"].plot()
    # stock_hist.loc[inicio:,"BD"].plot()

    # Mostramos en rojo las supuestas oportunidades de venta. Donde el valor de cierre
    # supera la banda superior.
    stock_hist.loc[inicio:,"BU point"].plot(lw=3, color={"BU point": "red"})

    # Mostramos en verde las supuestas oportunidades de compra. Donde el valor de cierre
    # es inferiro la banda inferior.
    stock_hist.loc[inicio:,"BD point"].plot(lw=3, color={"BD point": "green"})

    # Como no hemos representado las bandas, sombreamos la zona entre ambas pra que el
    # rango sea visible.
    plt.fill_between(stock_hist[inicio:].index, stock_hist.loc[inicio:,'BD'], stock_hist.loc[inicio:,'BU'], facecolor='orange', alpha=0.25)

    # Para que sea más fácil ver su valor, dibujamos un línea horizontal con el
    # último valor de cierre conocido para la acción deseada.
    plt.axhline(stock_hist.loc[stock_hist.index[-1], 'Close'], color='k', linestyle='--')

    # Colocamos título y etiquetas.
    plt.title(f"Bollinger bands® {stock_name} ventana={window}")
    plt.xlabel("Fecha")
    plt.ylabel("Precio de cierre")
    plt.ylim(0)
    plt.show()


# Seleccionamos el identificador de la empresa que nos interese y llamamos a la función
# que creará el gráfico. En este caso, he usaso el Banco Santander que muestra toda 
# la casuística.
STOCK = "SAN"
bollinger_band(STOCK)