Spaces:

Quant0
/

space

Runtime error

space / data.py

Update data.py

34ecd6c verified over 1 year ago

13.2 kB

import pandas as pd
import gradio as gr
import ccxt
import numpy as np
import matplotlib.pyplot as plt
import yfinance as yf
import requests
import pandas as pd
import time
import re
import gdown
import shutil
import os

from datetime import datetime, timedelta
from config import API_KEY, SYMBOL, CURRENCY, LIMIT_PER_CALL, BASE_URL, YEARS, api_key,tickers_to_ids
from utils import limpiar_texto, expand_money, descargar_tabla_web, extract_file_id


#     -----------------------------------------------
#      DESCARGA DE DATOS DE BTC: all_historical_data
#     -----------------------------------------------


end_time = datetime.now()
start_time = end_time - timedelta(days=YEARS*365) # 10 años atrás aproximadamente

# Convertir a timestamp de Unix (segundos)
to_timestamp = int(end_time.timestamp())

all_data = []

print(f"Fetching BTC/{CURRENCY} hourly data from {start_time.strftime('%Y-%m-%d')} to {end_time.strftime('%Y-%m-%d')}")

while True:
    params = {
        "fsym": SYMBOL,
        "tsym": CURRENCY,
        "limit": LIMIT_PER_CALL,
        "toTs": to_timestamp,
        "api_key": API_KEY # Si tienes una clave
    }
    try:
        response = requests.get(BASE_URL, params=params)
        data = response.json()

        if data['Response'] == 'Error':
            print(f"API Error: {data['Message']}")
            break

        ohlcv_data = data['Data']['Data']
        if not ohlcv_data:
            break # No more data to fetch

        all_data.extend(ohlcv_data)

        # El siguiente `toTs` es el timestamp del primer punto de datos obtenido menos 1 hora (o 1 segundo)
        # para asegurarnos de no duplicar y retroceder en el tiempo.
        # Asegúrate de que los datos estén ordenados por tiempo ascendente desde la API.
        # CryptoCompare devuelve datos desde 'fromTs' hasta 'toTs' en orden ascendente,
        # pero cuando usamos `toTs`, devuelve los datos *anteriores* a `toTs`.
        # Por lo tanto, el nuevo `toTs` debe ser el 'time' del primer elemento de la llamada actual.
        to_timestamp = ohlcv_data[0]['time'] - 1 # Retrocede 1 segundo para la siguiente llamada

        # Convertir el timestamp del último dato para referencia
        oldest_data_time = datetime.fromtimestamp(ohlcv_data[0]['time'])
        print(f"Fetched data up to {oldest_data_time.strftime('%Y-%m-%d %H:%M:%S')}. Total records: {len(all_data)}")

        if oldest_data_time <= start_time:
            print(f"Reached desired start time ({start_time.strftime('%Y-%m-%d')}). Stopping.")
            break

        time.sleep(1) # Respetar límites de rate de la API

    except requests.exceptions.RequestException as e:
        print(f"Network error: {e}")
        time.sleep(5) # Esperar y reintentar
    except Exception as e:
        print(f"An unexpected error occurred: {e}")
        break

# Convertir la lista de diccionarios a un DataFrame de Pandas
btc_hour_10y = pd.DataFrame(all_data)
btc_hour_10y['time'] = pd.to_datetime(btc_hour_10y['time'], unit='s')
btc_hour_10y.set_index('time', inplace=True)
btc_hour_10y.sort_index(inplace=True) # Asegurarse de que esté ordenado cronológicamente

# Eliminar duplicados si los hubiera (puede pasar si las llamadas se solapan)
btc_hour_10y = btc_hour_10y[~btc_hour_10y.index.duplicated(keep='first')]

print("\nDataFrame Head:")
print(btc_hour_10y.head())
print("\nDataFrame Tail:")
print(btc_hour_10y.tail())
print(f"\nTotal records fetched: {len(btc_hour_10y)}")

# Guardar a CSV
btc_hour_10y.to_csv('btc_hourly_cryptocompare_10_years.csv')
print("Data saved to btc_hourly_cryptocompare_10_years.csv")


# Ajuste del formato:

btc_hour_10y.index = btc_hour_10y.index.tz_localize('UTC')
btc_hour_10y.index = btc_hour_10y.index.tz_convert('America/New_York') #Convertir el dataframe de UTC a 'America NY'
btc_hour_10y = btc_hour_10y[btc_hour_10y.index.hour == 16] # Filtrar el dataframe para quedarnos la hora de cierre 4:00 PM EST
btc_hour_10y.index = btc_hour_10y.index.date  #Limpiamos el índice para que sólo muestre las fechas de los días
btc_hour_10y.columns = btc_hour_10y.columns.str.title() #Ponemos los headers con la primera letra en Mayuscula
btc_hour_10y.index = pd.to_datetime(btc_hour_10y.index) # Para coincidir con el formato de yahoofinance debemos convertir los indices a fechas en formato: dtype='datetime64[ns]'


all_historical_data = { 'BTC-USD': btc_hour_10y }


#     -----------------------------------------------
#             TOP TICKERS DE BTC TREASURY
#     -----------------------------------------------


### descargamos por orden las empresas mas importantes
def generar_tickers():
    """
    Genera una lista global de tickers a partir de las tablas de stocks y ETFs.
    """
    global tickers
    tickers = []

    # URLs de donde obtener los datos
    url_stocks =  "https://bitcointreasuries.net/"
    url_etfs =  "https://bitcointreasuries.net/etfs-and-exchanges"

    # Descargar tablas web (se asume que estas funciones existen)
    df_stocks = descargar_tabla_web(url_stocks, indice_tabla=3)
    df_etfs = descargar_tabla_web(url_etfs, indice_tabla=3)

    # Procesar Stocks si existen
    if df_stocks is not None and not df_stocks.empty:
        # Asumiendo que limpiar_texto ya está definida
        df_stocks['Name'] = df_stocks[2].apply(limpiar_texto)

        tickers.extend(df_stocks['Name'].dropna().tolist())

    # Procesar ETFs si existen
    if df_etfs is not None and not df_etfs.empty:
        df_etfs['Name'] = df_etfs[2].apply(limpiar_texto)

        tickers.extend(df_etfs['Name'].dropna().tolist())
generar_tickers()


#     -----------------------------------------------
#             DESCARGA TOP HOLDING BTC TREASURY
#     -----------------------------------------------

def top_holding():
        
        url_stocks = "https://bitcointreasuries.net/"
        url_ETFs = "https://bitcointreasuries.net/etfs-and-exchanges"

        df_stocks = descargar_tabla_web(url_stocks, indice_tabla=3)
        df_etfs = descargar_tabla_web(url_ETFs, indice_tabla=3)

        if df_stocks is None and df_etfs is None:
            return None, "Error: No se pudieron descargar los datos de holding."

        # Procesar Stocks
        if df_stocks is not None:
           
            df_descargado_stocks = df_stocks[[2,3,12]].copy()
            df_descargado_stocks.columns = ['Stocks','Bitcoin','% Total BTC 21M']
            df_descargado_stocks['Stocks'] = df_descargado_stocks['Stocks'].apply(limpiar_texto)
            df_descargado_stocks['Bitcoin'] = df_descargado_stocks['Bitcoin'].apply(limpiar_texto)
          
        else:
            df_descargado_stocks = pd.DataFrame()

        # Procesar ETFs
        if df_etfs is not None:
            
            df_descargado_ETFs = df_etfs[[2,3,5]].copy()
            df_descargado_ETFs.columns = ['ETFs','Bitcoin','% Total BTC 21M']
            df_descargado_ETFs[['ETFs','Ticker']] = df_descargado_ETFs['ETFs'].apply(limpiar_texto).str.rsplit(' ', n=1, expand=True)
            df_descargado_ETFs['ETFs'].fillna(df_descargado_ETFs['ETFs'], inplace=True)
            df_descargado_ETFs['Bitcoin'] = df_descargado_ETFs['Bitcoin'].apply(limpiar_texto)
            df_descargado_ETFs.set_index('Ticker', inplace=True)
        else:
            df_descargado_ETFs = pd.DataFrame()


        return df_descargado_ETFs, df_descargado_stocks

#     -----------------------------------------------
#             DESCARGA HOLDING BTC TREASURY
#     -----------------------------------------------



def descargar_resumen_holding_excel(template_url):
    """
    Descarga los datos de holding de BTC para stocks y ETFs,
    los procesa, calcula correlaciones y exporta a un archivo Excel
    usando una plantilla de Google Drive.
    """
    global df_descargado_stocks, df_descargado_ETFs
    try:
        # Extraer el ID del archivo de la URL
        file_id = extract_file_id(template_url)
        if not file_id:
            return None, "Error: No se pudo extraer el ID del archivo de la URL de Google Drive."

        local_template_path = 'plantilla_temporal.xlsx'

        # Descargar la plantilla de Google Drive
        try:
            gdown.download(id=file_id, output=local_template_path, quiet=False)
        except Exception as e:
            return None, f"Error al descargar la plantilla desde Google Drive: {e}"

        url_stocks = "https://bitcointreasuries.net/"
        url_ETFs = "https://bitcointreasuries.net/etfs-and-exchanges"

        df_stocks = descargar_tabla_web(url_stocks, indice_tabla=3)
        df_etfs = descargar_tabla_web(url_ETFs, indice_tabla=3)

        if df_stocks is None and df_etfs is None:
            return None, "Error: No se pudieron descargar los datos de holding."


        
        # Procesar Stocks
        if df_stocks is not None:
           
            df_descargado_stocks = df_stocks[[2,3,4,5,12]].copy()
            df_descargado_stocks.columns = ['Name','Bitcoin', 'BTC in USD', 'Marketcap', '% Total BTC 21M']
            df_descargado_stocks[['Name','Ticker']] = df_descargado_stocks['Name'].apply(limpiar_texto).str.rsplit(' ', n=1, expand=True)

            df_descargado_stocks['Bitcoin'] = df_descargado_stocks['Bitcoin'].apply(limpiar_texto)
            df_descargado_stocks['Marketcap'] = df_descargado_stocks['Marketcap'].apply(limpiar_texto)
            df_descargado_stocks['BTC in USD'] = df_descargado_stocks['BTC in USD'].apply(expand_money)
            df_descargado_stocks['Marketcap'] = df_descargado_stocks['Marketcap'].apply(expand_money)
            df_descargado_stocks['Ratio Holding/Mcap'] = df_descargado_stocks['BTC in USD'] / df_descargado_stocks['Marketcap']

            corrls = []
            for stock in df_descargado_stocks['Ticker']:
                try:
                    corr_value = evolucion_correlacion(stock, step=0, window_months=12).iloc[0]
                    corrls.append(corr_value)
                except Exception as e:
                    print(f"Error al calcular correlación para {stock}: {e}")
                    corrls.append(np.nan)
            df_descargado_stocks['Correlación con BTC (12 meses)'] = pd.Series(corrls)
            df_descargado_stocks.set_index('Ticker', inplace=True)
        else:
            df_descargado_stocks = pd.DataFrame()

        
        # Procesar ETFs
        if df_etfs is not None:
            
            df_descargado_ETFs = df_etfs[[2,3,4,5]].copy()
            df_descargado_ETFs.columns = ['Name','Bitcoin', 'BTC in USD','% Total BTC 21M']
            df_descargado_ETFs[['Name','Ticker']] = df_descargado_ETFs['Name'].apply(limpiar_texto).str.rsplit(' ', n=1, expand=True)
            df_descargado_ETFs['Ticker'].fillna(df_descargado_ETFs['Name'], inplace=True)
            df_descargado_ETFs['BTC in USD'] = df_descargado_ETFs['BTC in USD'].apply(expand_money)
            df_descargado_ETFs['Bitcoin'] = df_descargado_ETFs['Bitcoin'].apply(limpiar_texto).apply(expand_money)
            df_descargado_ETFs.set_index('Ticker', inplace=True)
        else:
            df_descargado_ETFs = pd.DataFrame()

        # Añadir la columna de 'Options' como solicitaste
        tckrs = []
        if not df_descargado_stocks.empty:
            tckrs.extend(df_descargado_stocks.index.tolist())
        if not df_descargado_ETFs.empty:
            tckrs.extend(df_descargado_ETFs.index.tolist())

        options_bool = {}
        for ticker in tckrs:
            if ticker is not None:
                try:
                    options_bool[ticker] = False if not yf.Ticker(ticker).options else True
                except:
                    options_bool[ticker] = False

        options_series = pd.Series(options_bool)

        if not df_descargado_stocks.empty:
            df_descargado_stocks['Options'] = options_series
        if not df_descargado_ETFs.empty:
            df_descargado_ETFs['Options'] = options_series

        # Exportación a Excel
        if not df_descargado_stocks.empty or not df_descargado_ETFs.empty:
            nuevo_archivo_path = 'resumen_datos_holding.xlsx'

            # Copiar la plantilla descargada antes de escribir
            try:
                shutil.copyfile(local_template_path, nuevo_archivo_path)
            except FileNotFoundError:
                return None, f"Error: No se encontró la plantilla en la ruta: {local_template_path}"

            # Escribir en el archivo copiado
            with pd.ExcelWriter(nuevo_archivo_path, engine='openpyxl', mode='a', if_sheet_exists='replace') as writer:
                if not df_descargado_stocks.empty:
                    df_descargado_stocks.to_excel(writer, sheet_name='Stocks', index=True)
                if not df_descargado_ETFs.empty:
                    df_descargado_ETFs.to_excel(writer, sheet_name='ETFs', index=True)

            # Eliminar la plantilla temporal descargada para limpiar el entorno
            os.remove(local_template_path)

            return nuevo_archivo_path, "Archivo Excel generado con éxito."
        else:
            return None, "No se pudieron generar los datos para exportar."

    except Exception as e:
        return None, f"Error al exportar: {e}"

	import pandas as pd
	import gradio as gr
	import ccxt
	import numpy as np
	import matplotlib.pyplot as plt
	import yfinance as yf
	import requests
	import pandas as pd
	import time
	import re
	import gdown
	import shutil
	import os

	from datetime import datetime, timedelta
	from config import API_KEY, SYMBOL, CURRENCY, LIMIT_PER_CALL, BASE_URL, YEARS, api_key,tickers_to_ids
	from utils import limpiar_texto, expand_money, descargar_tabla_web, extract_file_id


	# -----------------------------------------------
	# DESCARGA DE DATOS DE BTC: all_historical_data
	# -----------------------------------------------


	end_time = datetime.now()
	start_time = end_time - timedelta(days=YEARS*365) # 10 años atrás aproximadamente

	# Convertir a timestamp de Unix (segundos)
	to_timestamp = int(end_time.timestamp())

	all_data = []

	print(f"Fetching BTC/{CURRENCY} hourly data from {start_time.strftime('%Y-%m-%d')} to {end_time.strftime('%Y-%m-%d')}")

	while True:
	params = {
	"fsym": SYMBOL,
	"tsym": CURRENCY,
	"limit": LIMIT_PER_CALL,
	"toTs": to_timestamp,
	"api_key": API_KEY # Si tienes una clave
	}
	try:
	response = requests.get(BASE_URL, params=params)
	data = response.json()

	if data['Response'] == 'Error':
	print(f"API Error: {data['Message']}")
	break

	ohlcv_data = data['Data']['Data']
	if not ohlcv_data:
	break # No more data to fetch

	all_data.extend(ohlcv_data)

	# El siguiente `toTs` es el timestamp del primer punto de datos obtenido menos 1 hora (o 1 segundo)
	# para asegurarnos de no duplicar y retroceder en el tiempo.
	# Asegúrate de que los datos estén ordenados por tiempo ascendente desde la API.
	# CryptoCompare devuelve datos desde 'fromTs' hasta 'toTs' en orden ascendente,
	# pero cuando usamos `toTs`, devuelve los datos anteriores a `toTs`.
	# Por lo tanto, el nuevo `toTs` debe ser el 'time' del primer elemento de la llamada actual.
	to_timestamp = ohlcv_data[0]['time'] - 1 # Retrocede 1 segundo para la siguiente llamada

	# Convertir el timestamp del último dato para referencia
	oldest_data_time = datetime.fromtimestamp(ohlcv_data[0]['time'])
	print(f"Fetched data up to {oldest_data_time.strftime('%Y-%m-%d %H:%M:%S')}. Total records: {len(all_data)}")

	if oldest_data_time <= start_time:
	print(f"Reached desired start time ({start_time.strftime('%Y-%m-%d')}). Stopping.")
	break

	time.sleep(1) # Respetar límites de rate de la API

	except requests.exceptions.RequestException as e:
	print(f"Network error: {e}")
	time.sleep(5) # Esperar y reintentar
	except Exception as e:
	print(f"An unexpected error occurred: {e}")
	break

	# Convertir la lista de diccionarios a un DataFrame de Pandas
	btc_hour_10y = pd.DataFrame(all_data)
	btc_hour_10y['time'] = pd.to_datetime(btc_hour_10y['time'], unit='s')
	btc_hour_10y.set_index('time', inplace=True)
	btc_hour_10y.sort_index(inplace=True) # Asegurarse de que esté ordenado cronológicamente

	# Eliminar duplicados si los hubiera (puede pasar si las llamadas se solapan)
	btc_hour_10y = btc_hour_10y[~btc_hour_10y.index.duplicated(keep='first')]

	print("\nDataFrame Head:")
	print(btc_hour_10y.head())
	print("\nDataFrame Tail:")
	print(btc_hour_10y.tail())
	print(f"\nTotal records fetched: {len(btc_hour_10y)}")

	# Guardar a CSV
	btc_hour_10y.to_csv('btc_hourly_cryptocompare_10_years.csv')
	print("Data saved to btc_hourly_cryptocompare_10_years.csv")


	# Ajuste del formato:

	btc_hour_10y.index = btc_hour_10y.index.tz_localize('UTC')
	btc_hour_10y.index = btc_hour_10y.index.tz_convert('America/New_York') #Convertir el dataframe de UTC a 'America NY'
	btc_hour_10y = btc_hour_10y[btc_hour_10y.index.hour == 16] # Filtrar el dataframe para quedarnos la hora de cierre 4:00 PM EST
	btc_hour_10y.index = btc_hour_10y.index.date #Limpiamos el índice para que sólo muestre las fechas de los días
	btc_hour_10y.columns = btc_hour_10y.columns.str.title() #Ponemos los headers con la primera letra en Mayuscula
	btc_hour_10y.index = pd.to_datetime(btc_hour_10y.index) # Para coincidir con el formato de yahoofinance debemos convertir los indices a fechas en formato: dtype='datetime64[ns]'


	all_historical_data = { 'BTC-USD': btc_hour_10y }


	# -----------------------------------------------
	# TOP TICKERS DE BTC TREASURY
	# -----------------------------------------------


	### descargamos por orden las empresas mas importantes
	def generar_tickers():
	"""
	Genera una lista global de tickers a partir de las tablas de stocks y ETFs.
	"""
	global tickers
	tickers = []

	# URLs de donde obtener los datos
	url_stocks = "https://bitcointreasuries.net/"
	url_etfs = "https://bitcointreasuries.net/etfs-and-exchanges"

	# Descargar tablas web (se asume que estas funciones existen)
	df_stocks = descargar_tabla_web(url_stocks, indice_tabla=3)
	df_etfs = descargar_tabla_web(url_etfs, indice_tabla=3)

	# Procesar Stocks si existen
	if df_stocks is not None and not df_stocks.empty:
	# Asumiendo que limpiar_texto ya está definida
	df_stocks['Name'] = df_stocks[2].apply(limpiar_texto)

	tickers.extend(df_stocks['Name'].dropna().tolist())

	# Procesar ETFs si existen
	if df_etfs is not None and not df_etfs.empty:
	df_etfs['Name'] = df_etfs[2].apply(limpiar_texto)

	tickers.extend(df_etfs['Name'].dropna().tolist())
	generar_tickers()


	# -----------------------------------------------
	# DESCARGA TOP HOLDING BTC TREASURY
	# -----------------------------------------------

	def top_holding():

	url_stocks = "https://bitcointreasuries.net/"
	url_ETFs = "https://bitcointreasuries.net/etfs-and-exchanges"

	df_stocks = descargar_tabla_web(url_stocks, indice_tabla=3)
	df_etfs = descargar_tabla_web(url_ETFs, indice_tabla=3)

	if df_stocks is None and df_etfs is None:
	return None, "Error: No se pudieron descargar los datos de holding."

	# Procesar Stocks
	if df_stocks is not None:

	df_descargado_stocks = df_stocks[[2,3,12]].copy()
	df_descargado_stocks.columns = ['Stocks','Bitcoin','% Total BTC 21M']
	df_descargado_stocks['Stocks'] = df_descargado_stocks['Stocks'].apply(limpiar_texto)
	df_descargado_stocks['Bitcoin'] = df_descargado_stocks['Bitcoin'].apply(limpiar_texto)

	else:
	df_descargado_stocks = pd.DataFrame()

	# Procesar ETFs
	if df_etfs is not None:

	df_descargado_ETFs = df_etfs[[2,3,5]].copy()
	df_descargado_ETFs.columns = ['ETFs','Bitcoin','% Total BTC 21M']
	df_descargado_ETFs[['ETFs','Ticker']] = df_descargado_ETFs['ETFs'].apply(limpiar_texto).str.rsplit(' ', n=1, expand=True)
	df_descargado_ETFs['ETFs'].fillna(df_descargado_ETFs['ETFs'], inplace=True)
	df_descargado_ETFs['Bitcoin'] = df_descargado_ETFs['Bitcoin'].apply(limpiar_texto)
	df_descargado_ETFs.set_index('Ticker', inplace=True)
	else:
	df_descargado_ETFs = pd.DataFrame()


	return df_descargado_ETFs, df_descargado_stocks

	# -----------------------------------------------
	# DESCARGA HOLDING BTC TREASURY
	# -----------------------------------------------



	def descargar_resumen_holding_excel(template_url):
	"""
	Descarga los datos de holding de BTC para stocks y ETFs,
	los procesa, calcula correlaciones y exporta a un archivo Excel
	usando una plantilla de Google Drive.
	"""
	global df_descargado_stocks, df_descargado_ETFs
	try:
	# Extraer el ID del archivo de la URL
	file_id = extract_file_id(template_url)
	if not file_id:
	return None, "Error: No se pudo extraer el ID del archivo de la URL de Google Drive."

	local_template_path = 'plantilla_temporal.xlsx'

	# Descargar la plantilla de Google Drive
	try:
	gdown.download(id=file_id, output=local_template_path, quiet=False)
	except Exception as e:
	return None, f"Error al descargar la plantilla desde Google Drive: {e}"

	url_stocks = "https://bitcointreasuries.net/"
	url_ETFs = "https://bitcointreasuries.net/etfs-and-exchanges"

	df_stocks = descargar_tabla_web(url_stocks, indice_tabla=3)
	df_etfs = descargar_tabla_web(url_ETFs, indice_tabla=3)

	if df_stocks is None and df_etfs is None:
	return None, "Error: No se pudieron descargar los datos de holding."



	# Procesar Stocks
	if df_stocks is not None:

	df_descargado_stocks = df_stocks[[2,3,4,5,12]].copy()
	df_descargado_stocks.columns = ['Name','Bitcoin', 'BTC in USD', 'Marketcap', '% Total BTC 21M']
	df_descargado_stocks[['Name','Ticker']] = df_descargado_stocks['Name'].apply(limpiar_texto).str.rsplit(' ', n=1, expand=True)

	df_descargado_stocks['Bitcoin'] = df_descargado_stocks['Bitcoin'].apply(limpiar_texto)
	df_descargado_stocks['Marketcap'] = df_descargado_stocks['Marketcap'].apply(limpiar_texto)
	df_descargado_stocks['BTC in USD'] = df_descargado_stocks['BTC in USD'].apply(expand_money)
	df_descargado_stocks['Marketcap'] = df_descargado_stocks['Marketcap'].apply(expand_money)
	df_descargado_stocks['Ratio Holding/Mcap'] = df_descargado_stocks['BTC in USD'] / df_descargado_stocks['Marketcap']

	corrls = []
	for stock in df_descargado_stocks['Ticker']:
	try:
	corr_value = evolucion_correlacion(stock, step=0, window_months=12).iloc[0]
	corrls.append(corr_value)
	except Exception as e:
	print(f"Error al calcular correlación para {stock}: {e}")
	corrls.append(np.nan)
	df_descargado_stocks['Correlación con BTC (12 meses)'] = pd.Series(corrls)
	df_descargado_stocks.set_index('Ticker', inplace=True)
	else:
	df_descargado_stocks = pd.DataFrame()


	# Procesar ETFs
	if df_etfs is not None:

	df_descargado_ETFs = df_etfs[[2,3,4,5]].copy()
	df_descargado_ETFs.columns = ['Name','Bitcoin', 'BTC in USD','% Total BTC 21M']
	df_descargado_ETFs[['Name','Ticker']] = df_descargado_ETFs['Name'].apply(limpiar_texto).str.rsplit(' ', n=1, expand=True)
	df_descargado_ETFs['Ticker'].fillna(df_descargado_ETFs['Name'], inplace=True)
	df_descargado_ETFs['BTC in USD'] = df_descargado_ETFs['BTC in USD'].apply(expand_money)
	df_descargado_ETFs['Bitcoin'] = df_descargado_ETFs['Bitcoin'].apply(limpiar_texto).apply(expand_money)
	df_descargado_ETFs.set_index('Ticker', inplace=True)
	else:
	df_descargado_ETFs = pd.DataFrame()

	# Añadir la columna de 'Options' como solicitaste
	tckrs = []
	if not df_descargado_stocks.empty:
	tckrs.extend(df_descargado_stocks.index.tolist())
	if not df_descargado_ETFs.empty:
	tckrs.extend(df_descargado_ETFs.index.tolist())

	options_bool = {}
	for ticker in tckrs:
	if ticker is not None:
	try:
	options_bool[ticker] = False if not yf.Ticker(ticker).options else True
	except:
	options_bool[ticker] = False

	options_series = pd.Series(options_bool)

	if not df_descargado_stocks.empty:
	df_descargado_stocks['Options'] = options_series
	if not df_descargado_ETFs.empty:
	df_descargado_ETFs['Options'] = options_series

	# Exportación a Excel
	if not df_descargado_stocks.empty or not df_descargado_ETFs.empty:
	nuevo_archivo_path = 'resumen_datos_holding.xlsx'

	# Copiar la plantilla descargada antes de escribir
	try:
	shutil.copyfile(local_template_path, nuevo_archivo_path)
	except FileNotFoundError:
	return None, f"Error: No se encontró la plantilla en la ruta: {local_template_path}"

	# Escribir en el archivo copiado
	with pd.ExcelWriter(nuevo_archivo_path, engine='openpyxl', mode='a', if_sheet_exists='replace') as writer:
	if not df_descargado_stocks.empty:
	df_descargado_stocks.to_excel(writer, sheet_name='Stocks', index=True)
	if not df_descargado_ETFs.empty:
	df_descargado_ETFs.to_excel(writer, sheet_name='ETFs', index=True)

	# Eliminar la plantilla temporal descargada para limpiar el entorno
	os.remove(local_template_path)

	return nuevo_archivo_path, "Archivo Excel generado con éxito."
	else:
	return None, "No se pudieron generar los datos para exportar."

	except Exception as e:
	return None, f"Error al exportar: {e}"