WebScraping con Python 3.6. Bolsa de Valores de Lima
El siguiente código en Python 3.6 tiene por objetivo aplicar las técnicas de Web Scraping para extraer datos de la web de la Bolsa de Valores de Lima y generar como resultado un archivo de datos en formato CVS con los datos obtenidos.
Esta práctica pertenece a la asignatura Tipología y ciclo de vida de los datos, correspondiente al Máster en Ciencia de Datos de la Universitat Oberta de Catalunya.
Patricia Reyes Silva
José Pérez Sánchez
El conjunto de datos a obtener, representa los datos referidos a las cotizaciones diarias de las acciones e índices cotizados en la Bolsa de Valores Lima de forma diaria.
La práctica se articula con el siguiente esquema:
En la actualidad, las nuevas tecnologías hacen posible acceder a los mercados de valores del mundo simplemente visitando sus respectivas websites, sin movernos de nuestros escritorios. Pero ¿qué pasaría si se requiere conocer los datos de las cotizaciones diarias de más de una bolsa de valores en las que se desea invertir? De la forma manual, se debería visitar diariamente cada una de las websites de interés y recoger manualmente los datos que necesitamos, pero existe tambien la modalidad automática de extracción de datos, que se vale de la ejecución de scripts para su recopilación. En nuestro contexto, donde los datos se generan a velocidades cada vez mayores (Big Data), todas las herramientas que nos permitan acelerar la recopilación y posterior tratamiento de los mismos son bienvenidas.
La presente práctica tiene como objeto desarrollar un Script en el lenguaje de programación Python que permita la extracción diaria de los datos correspondientes a las cotizaciones de la Bolsa de Valores de Lima, a partir de los datos publicados en su página web.
El uso de lenguaje Python nos parece realmente conveniente para esta tarea, no sólo por su utilidad para realizar Scraping (escarbar) dentro de páginas web, sino también por su enorme potencial para el manejo de grandes conjuntos de datos, para lo cual incluye potentes librerías que facilitan su tratamiento permitiendo la elaboración de distintos modelo de análisis.
Incluye el conjunto de acciones negociadas en la Bolsa de Lima, para cada valor negociado se obtendría, diariamente, la siguiente información:
• Acción
a. Nombre
b. Nemónico (C1 acciones comunes, I1 acciones inversión, Sin sufijo, cotizan también en otras bolsas)
c. Sector (Diversas, Agrario, Industriales, Bancos – financieras, etc..)
d. Segmento (Describe la liquidez de la acción)
• Moneda de cotización de la acción (Sol/Dólar)
• Cotizaciones
a. Precio de cierre día anterior
b. Fecha de negociación anterior (no necesariamente día anterior)
c. Precio apertura actual.
d. Precio último del día.
e. Variación del precio en % respecto al día anterior, positivo o negativo
• Propuestas
a. Precio mayor de Compra en el día
b. Precio menor de Venta en el día
• Negociación
a. Volumen de negociación
b. Número de operaciones
c. Monto/importe negociado en la moneda de cotización
A la Bolsa de Lima y su infraestructura informática.
El auge de las compañías FinTech y del trading algorítmico, así como la disposición de datos.
El código python incluido en los scripts está liberado con licencia GPL3, con permiso de modificación, incluso para uso comercial, distribución, etc.., pero con la exención de ninguna responsabilidad por su uso ni ninguna garantía.
Los datos generados mediante este script se liberan bajo licencia "CC BY-SA 4.0 License.", con la siguiente salvaguardia legal: Los datos obtenidos y almacenados en los ficheros cvs no son necesariamente en tiempo real ni tienen porqué ser totalmente exactos. En este sentido, los autores del script de carga de datos no tendrán ninguna responsabilidad ante cualquier pérdida que pueda tener como consecuencia de utilizar estos datos.
No se aceptará ninguna responsabilidad por cualquier pérdida o menoscabo producido como resultado de la confianza en la información contenida en estos datos, incluidos datos o cotizaciones.
El código esta implementado en el fichero de código python CotizacionesBVL.py
Este código tiene dos funcionalidades diferentes. La principal es la obtención de las cotizaciones diarias de las compañías listada en la Bolsa de Valores de Lima. Para ello basta ejecutar el script sin parámetros
python CotizacionesBVL.py
Esto generará un fichero en formato CSV con las últimas cotizaciones de las compañías y nombre en formato: CotizacionesDiarias_YYYYMMDD.csv .
La segunda funcionalidad implementada permite obtener las cotizaciones para una empresa determinada, pasando su nemónico o símbolo de cotización y, opcionalmente, un rango de fechas. Por ejemplo
python CotizacionesBVL.py --nemonic BVN --endDate 20180101 --startDate 20140501
Para obtener todas las cotizaciones de la empresa BVN, Minera Buenaventura, entre el 01/05/2014 y 01/01/2018, ambos días inclusive si hubo mercado esos días.
Esta opción genera un fichero con nombre en formato CotizacionesDiarias_nemonico.csv, siendo nemónico el correspondiente a la empresa consultada.
El código consta de una parte común, que interpreta, si los hay, los argumentos de entrada. Si no hay un nemónico o símbolo de empresa como argumento de entrada llamara a la funcionalidad de obtener los últimos datos de cotizaciones publicados para todos los valores. Para ello llamará a la función readDailyStockPrizes() . Ésta a su vez llama a la función getLastMarketDate() para obtener cuál es la última fecha de mercado llamando a otra url distinta, pues esta fecha no viene por defecto en la llamada a la página diaria de cotizaciones, y hay días donde el mercado está cerrado, y generará el fichero CSV correspondiente añadiendo la Fecha de cotización.
Si se ha indicado un nemónico, se llama a la función readCompanyStockPrizes(nemonic, startDate, endDate) _ . Ésta obtiene datos adicionales de la empresa llamado a la función auxiliar _ getCompanyData(nemonic): que obtiene datos adicionales de la empresa: nombre, sector, segmento, moneda llamando a otra url distinta la llamada de cotizaciones, después se interpretan los argumentos del rango de fechas, y se hace la llamada a la URL de cotizaciones. Después se unen lo datos de la empresa con los datos de las cotizaciones en el mismo fichero CSV desalida.
El dataset incluido en los ficheros CSV generados es idéntico tanto para las cotizaciones diarias de todos los valores negociados en la Bolsa de Lima, como para descargas de cotizaciones de una empresa en un rango de fechas. No obstante, los campos indicados con un asterisco, *, sólo están presentes en el primer caso, siendo un campo vacío en las cotizaciones históricas de una empresa.
• Datos de la cotización
Fecha-Hora Fecha de Generación del fichero
Fecha Cotización Fecha de cotización de la fila.
Imagen Icono azul si hay subida en el día o rojo en bajada *
Estado Texto indicando tendencia del día al alza o a la baja *
• Valor negociado
Nombre (Empresa, producto, fondo, índice)
Nemónico Símbolo representativo del valor
Sector (Diversas, Agrario, Industriales, Bancos – financieras, etc..)
Segmento (Clasificacion del valor principalmente por su liquidez)
• Cotizaciones
Moneda Sol / Dólar
Precio Anterior Precio de cierre día anterior
Fecha Anterior Fecha de negociación anterior (no necesariamente día anterior)
Apertura Precio apertura actual.
Última Precio último del día.
Variación Variación del precio en % respecto al día anterior, *
• Propuestas
Compra Precio mayor de Compra en el día *
Venta Precio menor de Venta en el día *
• Negociación
Número Acciones Volumen de negociación
Núm. Operaciones Realizadas en la jornada para este valor
Monto Negocio Monto/importe negociado en la moneda de cotización
- Lawson, R. (2015). Web Scraping with Python. Packt Publishing Ltd. Chapter 2. Scraping the Data.
- Mitchel, R. (2015). Web Scraping with Python: Collecting Data from the Modern Web. O'Reilly Media, Inc. Chapter 1. Your First Web Scraper.
- Bolsa de Valores de Lima (BVL)