Carlos Pérez

[Tortuga Trades @tortuga_trades]

Todo lo bueno se acaba.

Hoy es el último día para usar GRACIAS25 y llevaros un 25% de descuento en @tortuga_app

No lo dejes para mañana 😉

[Carlos Pérez @Carplom]

@tortuga_trades @tortuga_app no te imaginaba tan joven 😅

[Carlos Pérez @Carplom]

@ShantiPdL1 En 5 días, con el 85% de la prima, aunque la put 55 te haya costado 1,04 lo veo una operación excelente con el beneficio global que has obtenido 👌🏻

[Ivan Gonzalez, MFIA @IvanGonzalez_n]

¿HAS OPERADO WARRANTS? LEE ESTO:

Ahora que hay muchos de vosotros invirtiendo (o especulando, mas bien) en TR con productos derivados, os voy a contar como funcionan los derivados tipo opciones financieras y warrants, para que veáis cómo se gana (o se pierde) dinero en este mercado.

Dentro hilo🧵

[Carlos Pérez @Carplom]

@PutsyCalls Enhorabuena crack! abrazoteee

[Mario @Mario_VPH]

🚨 Regalamos DOS cosas a la vez.

Un suscriptor de MTO ha decidido ceder su ejemplar del libro de Edu Fernández "El Almanaque del vendedor de OPCIONES" para que le llegue a alguien de esta comunidad.

Le sumamos un mes gratis de suscripción a @MtoOpciones

📖 El libro de Edu — en tu casa, gratis.

🎟️ 1 mes de MTO — también gratis.

¿Cómo participas? Fácil:

→ Sigue esta cuenta

→ Suscríbete a la newsletter (tienes enlace en la Bio y tweet fijado, es gratis)

→ RT a este tweet

Sorteo el 31 de mayo.

Ganador elegido al azar y anunciado aquí.

Gracias a la comunidad que hace posible esto.

[Carlos Pérez @Carplom]

@TradingWarz Me

[Carlos Pérez @Carplom]

@tortuga_trades @MtoOpciones una herramienta con una pintaza increible!

[Jon González @Jongonzlz]

Quiero DEMOCRATIZAR el conocimiento del cálculo del IRPF y del salario neto, y las implicaciones de la progresividad en frío entre 2012 y 2026.

Pero necesito fiscalistas y economistas con ojo al detalle y techies. Quiero que los que sabéis de fiscalidad auditéis los resultados de mi código para cada año atendiendo al más mínimo detalle (yo he tratado de hacerlo),

Que los techies me propongáis mejoras en el código y optimizaciones en las salidas, y quiero que, finalmente, los que tenéis capacidad de montar una web con ello, os coordinéis y lo hagáis.

También quiero que extraigáis un manual sencillo para que la gente lo entienda a partir de los cálculos que se hacen en el código. Y que se expliquen las distintas normativas y cómo impactaron.

A TRABAJAR. GO GO GO! @Gsnchez @XMihura @Inspectores_IHE @frdelatorre @Jaume_Vinas @SantiCalvo_Eco

Ahí va el código!

import pandas as pd
import numpy as np

# =============================================================================
# 1. MÓDULO MACROECONÓMICO: INFLACIÓN ACUMULADA (DICIEMBRE A DICIEMBRE)
# =============================================================================
IPC_ANUAL_DIC = {
2013: 0.003, 2014: -0.010, 2015: 0.000, 2016: 0.016, 2017: 0.011,
2018: 0.012, 2019: 0.008, 2020: -0.005, 2021: 0.065, 2022: 0.057,
2023: 0.031, 2024: 0.028, 2025: 0.029, 2026: 0.030
}

def obtener_inflacion_acumulada(anio_base, anio_destino=2026):
if anio_base == anio_destino: return 1.0
multiplicador = 1.0
for anio in range(anio_base + 1, anio_destino + 1):
multiplicador *= (1 + IPC_ANUAL_DIC[anio])
return multiplicador

INFLACION_A_2026 = {anio: obtener_inflacion_acumulada(anio, 2026) for anio in range(2012, 2027)}

# =============================================================================
# 2. NORMATIVA FISCAL Y LABORAL (IRPF Y SS)
# =============================================================================
def obtener_parametros(anio):
p = {}

# Bases y Tipos Generales SS
p['base_max'] = {
2012: 39150.0, 2013: 41108.4, 2014: 43164.0, 2015: 43272.0, 2016: 43704.0, 2017: 45014.4,
2018: 45014.4, 2019: 48841.2, 2020: 48841.2, 2021: 48841.2, 2022: 49672.8, 2023: 53946.0,
2024: 56646.0, 2025: 58914.0, 2026: 61214.4
}[anio]

p['ss_tipos'] = {
'comunes': [0.236, 0.047], 'desempleo': [0.055, 0.0155],
'fogasa': [0.002, 0.0], 'fp': [0.006, 0.001], 'atep': [0.015, 0.0]
}

# MEI y Solidaridad
if anio == 2023: p['mei'] = [0.005, 0.001]
elif anio == 2024: p['mei'] = [0.0058, 0.0012]
elif anio == 2025: p['mei'] = [0.0067, 0.0013]
elif anio >= 2026: p['mei'] = [0.0075, 0.0015]
else: p['mei'] = [0.0, 0.0]

if anio == 2025: p['solidaridad'] = [(1.10, 0.0092), (1.50, 0.0100), (float('inf'), 0.0117)]
elif anio >= 2026: p['solidaridad'] = [(1.10, 0.0115), (1.50, 0.0125), (float('inf'), 0.0146)]
else: p['solidaridad'] = []

# Mínimos y Gastos
p['irpf_minimo'] = 5151 if anio <= 2014 else 5550
p['minimo_exento'] = {
2012: 11162, 2013: 11162, 2014: 11162, 2015: 12000, 2016: 12000, 2017: 12000,
2018: 12643, 2019: 14000, 2020: 14000, 2021: 14000, 2022: 14000, 2023: 15000,
2024: 15876, 2025: 15876, 2026: 15876
}[anio]
p['gastos_fijos'] = 0 if anio <= 2014 else 2000

# Reducción Art 20 (y Metadatos para control)
def get_art20_params(a):
if a <= 2014: return {"U_Inf": 9180, "R_Max": 4080, "U_Sup": 13260, "R_Min": 2652}
elif 2015 <= a <= 2017: return {"U_Inf": 11250, "R_Max": 3700, "U_Sup": 14450, "R_Min": 0}
elif a == 2018: return {"U_Inf": "Transitorio", "R_Max": "Transitorio", "U_Sup": "Transitorio", "R_Min": "Transitorio"}
elif 2019 <= a <= 2022: return {"U_Inf": 13115, "R_Max": 5565, "U_Sup": 16825, "R_Min": 0}
elif a == 2023: return {"U_Inf": 14047.5, "R_Max": 6498, "U_Sup": 19747.5, "R_Min": 0}
else: return {"U_Inf": 14852, "R_Max": 7302, "U_Sup": 19747.5, "R_Min": 0}
p['art20_meta'] = get_art20_params(anio)

def reduccion_trabajo(rn_previo):
if anio <= 2014:
if rn_previo <= 9180: return 4080.0
elif rn_previo <= 13260: return 4080.0 - 0.35 * (rn_previo - 9180.0)
else: return 2652.0
elif 2015 <= anio <= 2017:
if rn_previo <= 11250: return 3700.0
elif rn_previo <= 14450: return 3700.0 - 1.15625 * (rn_previo - 11250.0)
else: return 0.0
elif anio == 2018: # Régimen Transitorio
pre = 3700.0 if rn_previo <= 11250 else (3700.0 - 1.15625 * (rn_previo - 11250.0) if rn_previo <= 14450 else 0.0)
post = 5565.0 if rn_previo <= 13115 else (max(0.0, 5565.0 - 1.5 * (rn_previo - 13115.0)) if rn_previo <= 16825 else 0.0)
return (pre / 2.0) + (post / 2.0)
elif 2019 <= anio <= 2022:
if rn_previo <= 13115: return 5565.0
elif rn_previo <= 16825: return max(0.0, 5565.0 - 1.5 * (rn_previo - 13115.0))
else: return 0.0
elif anio == 2023:
if rn_previo <= 14047.50: return 6498.0
elif rn_previo <= 19747.50: return max(0.0, 6498.0 - 1.14 * (rn_previo - 14047.50))
else: return 0.0
elif anio >= 2024:
if rn_previo <= 14852: return 7302.0
elif rn_previo <= 17673.52: return 7302.0 - 1.75 * (rn_previo - 14852.0)
elif rn_previo <= 19747.50: return 2364.34 - 1.14 * (rn_previo - 17673.52)
else: return 0.0
return 0.0
p['reduccion_trabajo'] = reduccion_trabajo

# Escalas IRPF
if anio <= 2014: p['tramos_irpf'] = [(17707, 0.2475), (33007, 0.30), (53407, 0.40), (120000, 0.47), (175000, 0.49), (300000, 0.51), (float('inf'), 0.52)]
elif anio == 2015: p['tramos_irpf'] = [(12450, 0.195), (20200, 0.245), (34000, 0.305), (60000, 0.38), (float('inf'), 0.46)]
elif 2016 <= anio <= 2020: p['tramos_irpf'] = [(12450, 0.19), (20200, 0.24), (35200, 0.30), (60000, 0.37), (float('inf'), 0.45)]
else: p['tramos_irpf'] = [(12450, 0.19), (20200, 0.24), (35200, 0.30), (60000, 0.37), (300000, 0.45), (float('inf'), 0.47)]

# Deducción SMI
def deduccion_smi(bruto):
if anio == 2026:
if bruto <= 17094: return 590.89
else: return max(0.0, 590.89 - 0.20 * (bruto - 17094.0))
elif anio == 2025:
if bruto <= 16576: return 340.0
elif bruto <= 18276: return max(0, 340.0 - 0.20 * (bruto - 16576.0))
return 0.0
p['deduccion_smi'] = deduccion_smi

return p

# =============================================================================
# 3. GENERACIÓN DE HOJAS DE CONTROL DE PARÁMETROS
# =============================================================================
def generar_hojas_control():
general = []
tramos_lista = []

for anio in range(2012, 2027):
p = obtener_parametros(anio)
tipo_emp = sum(x[0] for x in p['ss_tipos'].values())
tipo_tra = sum(x[1] for x in p['ss_tipos'].values())

general.append({
"Año": anio,
"Base Máx. Anual": p['base_max'],
"SS Empleador %": round(tipo_emp * 100, 2),
"SS Empleado %": round(tipo_tra * 100, 2),
"MEI Empleador %": round(p['mei'][0] * 100, 3),
"MEI Empleado %": round(p['mei'][1] * 100, 3),
"Gastos Fijos Art.19": p['gastos_fijos'],
"Mín. Contribuyente": p['irpf_minimo'],
"Mín. Exento Retención": p['minimo_exento'],
"Art.20 Umbral Inf": p['art20_meta']['U_Inf'],
"Art.20 Red. Máxima": p['art20_meta']['R_Max'],
"Art.20 Umbral Sup": p['art20_meta']['U_Sup'],
"Art.20 Red. Mínima": p['art20_meta']['R_Min']
})

for i, (lim, tip) in enumerate(p['tramos_irpf']):
tramos_lista.append({
"Año": anio,
"Nº Tramo": i + 1,
"Hasta Base": lim if lim != float('inf') else "En adelante",
"Tipo %": round(tip * 100, 2)
})

return pd.DataFrame(general), pd.DataFrame(tramos_lista)

# =============================================================================
# 4. MOTOR DETALLADO (PARA PESTAÑAS ANUALES DAT_YYYY)
# =============================================================================
def calcular_cuotas_por_tramo(base_liq, tramos):
cuotas_tramos = {f"T{i+1} ({round(tipo*100, 1)}%)": 0.0 for i, (_, tipo) in enumerate(tramos)}
cuota_total = 0.0
if base_liq <= 0: return cuotas_tramos, cuota_total
lim_ant = 0.0
for i, (lim, tipo) in enumerate(tramos):
nombre = f"T{i+1} ({round(tipo*100, 1)}%)"
if base_liq > lim:
cuota = (lim - lim_ant) * tipo
cuotas_tramos[nombre] = cuota
cuota_total += cuota
lim_ant = lim
else:
cuota = (base_liq - lim_ant) * tipo
cuotas_tramos[nombre] = cuota
cuota_total += cuota
break
return cuotas_tramos, cuota_total

def procesar_ano(anio):
p = obtener_parametros(anio)
# Rango exhaustivo: 0 a 100.000€ de 1€ en 1€
salarios_brutos = np.arange(0, 100001, 1)
resultados = []

for bruto in salarios_brutos:
base_cotizacion = min(bruto, p['base_max'])
exceso_base = max(0, bruto - p['base_max'])

tipo_empresa = sum(x[0] for x in p['ss_tipos'].values()) + p['mei'][0]
tipo_trabajador = sum(x[1] for x in p['ss_tipos'].values()) + p['mei'][1]

cot_empresa = base_cotizacion * tipo_empresa
cot_trabajador = base_cotizacion * tipo_trabajador

if p['solidaridad'] and exceso_base > 0:
tramo1_limite = p['base_max'] * 0.10
tramo2_limite = p['base_max'] * 0.50
exceso1 = min(exceso_base, tramo1_limite)
exceso2 = min(max(0, exceso_base - tramo1_limite), tramo2_limite - tramo1_limite)
exceso3 = max(0, exceso_base - tramo2_limite)
cuota_sol_total = (exceso1 * p['solidaridad'][0][1]) + (exceso2 * p['solidaridad'][1][1]) + (exceso3 * p['solidaridad'][2][1])
cot_empresa += cuota_sol_total * (5/6)
cot_trabajador += cuota_sol_total * (1/6)

coste_laboral = bruto + cot_empresa

rendimiento_previo_sin_fijos = bruto - cot_trabajador
red_trabajo = p['reduccion_trabajo'](rendimiento_previo_sin_fijos)
rendimiento_neto = max(0, rendimiento_previo_sin_fijos - p['gastos_fijos'])
base_imponible = max(0, rendimiento_neto - red_trabajo)

cuotas_tramos, cuota_integra = calcular_cuotas_por_tramo(base_imponible, p['tramos_irpf'])
cuota_minimo = p['irpf_minimo'] * p['tramos_irpf'][0][1]
cuota_teorica = max(0, cuota_integra - cuota_minimo)

deduccion = p['deduccion_smi'](bruto)
cuota_con_deduccion = max(0, cuota_teorica - deduccion)

limite_retencion = max(0, (bruto - p['minimo_exento']) * 0.43)
irpf_final = min(cuota_con_deduccion, limite_retencion)
salario_neto = bruto - cot_trabajador - irpf_final

fila = {
"Salario Bruto": bruto,
"Cot. Soc. Empresa": round(cot_empresa, 2),
"Coste Laboral": round(coste_laboral, 2),
"Cot. Soc. Trab.": round(cot_trabajador, 2),
"Ren. Previo": round(rendimiento_previo_sin_fijos, 2),
"Gastos Fijos": p['gastos_fijos'],
"Red. Ren. Trab.": round(red_trabajo, 2),
"Base Imponible": round(base_imponible, 2)
}
for k, v in cuotas_tramos.items(): fila[k] = round(v, 2)
fila.update({
"Cuota Íntegra": round(cuota_integra, 2),
"Cuota Mínimo Personal": round(cuota_minimo, 2),
"Cuota Teórica": round(cuota_teorica, 2),
"Deducción SMI": round(deduccion, 2),
"Cuota tras SMI": round(cuota_con_deduccion, 2),
"Límite 43% (Art 85.3)": round(limite_retencion, 2),
"IRPF Final": round(irpf_final, 2),
"Salario Neto": round(salario_neto, 2)
})
resultados.append(fila)

return pd.DataFrame(resultados)

# =============================================================================
# 5. MOTOR RÁPIDO PARA COMPARATIVA INFLACIÓN
# =============================================================================
def calcular_nomina_agregada(bruto, anio, p):
base_cot = min(bruto, p['base_max'])
exc_base = max(0, bruto - p['base_max'])

t_emp = sum(x[0] for x in p['ss_tipos'].values()) + p['mei'][0]
t_tra = sum(x[1] for x in p['ss_tipos'].values()) + p['mei'][1]

cot_emp = base_cot * t_emp
cot_tra = base_cot * t_tra

if p['solidaridad'] and exc_base > 0:
l1, l2 = p['base_max']*0.1, p['base_max']*0.5
e1, e2, e3 = min(exc_base, l1), min(max(0, exc_base-l1), l2-l1), max(0, exc_base-l2)
q_sol = (e1*p['solidaridad'][0][1]) + (e2*p['solidaridad'][1][1]) + (e3*p['solidaridad'][2][1])
cot_emp += q_sol * (5/6); cot_tra += q_sol * (1/6)

coste_lab = bruto + cot_emp
rn_previo = bruto - cot_tra
red20 = p['reduccion_trabajo'](rn_previo)
base_imp = max(0, rn_previo - p['gastos_fijos'] - red20)

q_integra = 0.0
lim_ant = 0.0
for lim, tipo in p['tramos_irpf']:
if base_imp > lim:
q_integra += (lim - lim_ant) * tipo
lim_ant = lim
else:
q_integra += (base_imp - lim_ant) * tipo
break

q_min = p['irpf_minimo'] * p['tramos_irpf'][0][1]
q_teorica = max(0, q_integra - q_min)
q_smi = max(0, q_teorica - p['deduccion_smi'](bruto))

lim_ret = max(0, (bruto - p['minimo_exento']) * 0.43)
irpf_final = min(q_smi, lim_ret)

return coste_lab, cot_emp, cot_tra, irpf_final, bruto - cot_tra - irpf_final

def generar_comparativa_inflacion():
# Análisis comparativo en saltos de 1.000€
salarios_2026 = np.arange(15000, 100001, 1000)
p_2026 = obtener_parametros(2026)
ref_2026 = {b: calcular_nomina_agregada(b, 2026, p_2026) for b in salarios_2026}

resultados = []
for anio in range(2012, 2027):
p_anio = obtener_parametros(anio)
inf_acum = INFLACION_A_2026[anio]

for bruto_26 in salarios_2026:
bruto_nom = bruto_26 / inf_acum
c_lab_n, c_emp_n, c_tra_n, irpf_n, neto_n = calcular_nomina_agregada(bruto_nom, anio, p_anio)

c_lab_aj = c_lab_n * inf_acum
c_emp_aj = c_emp_n * inf_acum
c_tra_aj = c_tra_n * inf_acum
irpf_aj = irpf_n * inf_acum
neto_aj = neto_n * inf_acum

neto_2026_real = ref_2026[bruto_26][4]
dif_poder_adq = neto_aj - neto_2026_real

resultados.append({
"Año a Comparar": anio,
"Salario Equivalente (2026)": bruto_26,
"Multiplicador IPC Acum.": round(inf_acum, 4),
"IPC Acumulado (%)": f"{round((inf_acum - 1)*100, 2)}%",
"Salario Bruto Nominal": round(bruto_nom, 2),
"Coste Lab. (Euros 2026)": round(c_lab_aj, 2),
"SS Emp. (Euros 2026)": round(c_emp_aj, 2),
"SS Tra. (Euros 2026)": round(c_tra_aj, 2),
"IRPF (Euros 2026)": round(irpf_aj, 2),
"Neto Real en su Año": round(neto_aj, 2),
"Neto Real en 2026": round(neto_2026_real, 2),
"Variación Poder Adquisitivo Mensual vs 2026 (12 pagas)": round(dif_poder_adq / 12, 2),
"Pérdida/Ganancia Anual Poder Adq.": round(dif_poder_adq, 2)
})

return pd.DataFrame(resultados)

# =============================================================================
# 6. EJECUCIÓN MAESTRA Y GENERACIÓN DEL EXCEL COMPLETO
# =============================================================================
nombre_fichero = 'Auditoria_Integral_Nominas_e_Inflacion_2012_2026.xlsx'
print("Iniciando la creación del mega-archivo Excel. ¡Paciencia, puede tardar un par de minutos!...")

with pd.ExcelWriter(nombre_fichero, engine='openpyxl') as writer:

# 1. Pestañas de Parámetros de Control
print("Generando hojas de control normativo...")
df_gen, df_tra = generar_hojas_control()
df_gen.to_excel(writer, sheet_name='CONTROL_GENERAL', index=False)
df_tra.to_excel(writer, sheet_name='CONTROL_TRAMOS_IRPF', index=False)

# 2. Pestaña Comparativa Inflación
print("Calculando y generando comparativa ajustada por IPC...")
df_comparativa = generar_comparativa_inflacion()
df_comparativa.to_excel(writer, sheet_name='COMPARATIVA_INFLACION', index=False)

# 3. Pestañas Anuales Detalladas (de 1€ en 1€)
for anio in range(2012, 2027):
print(f"Calculando nóminas detalladas para el año {anio} (100.001 registros)...")
df_ano = procesar_ano(anio)
df_ano.to_excel(writer, sheet_name=f'DAT_{anio}', index=False)

print(f"\n¡Éxito total! Archivo '{nombre_fichero}' creado correctamente con todas las auditorías solicitadas.")

[Carlos Pérez @Carplom]

@EstoTrader extraordinario, felicidades!

[Míriam González @miriamgonp]

Tengo 35 años y cancer de mama metastásico, un caso raro, menos del 1% de tumores de mama son como el mío y hay poca documentación sobre ello.

Por eso me gustaría encontrar personas que se dediquen a esto y que quieran investigar con mi caso. Twitter haz tu magia

[Carlos Pérez @Carplom]

@PutsyCalls Aunque ya tengo la tetralogía reposteo para dar un poquito de visibilidad a estas maravillas de OPCIONES! ☺️

[Puts & Calls @PutsyCalls]

🚨 SORTEO EXPRESS 24h !! 🎁

He regalado siempre muchos libros para sortear y nunca había hecho uno yo directamente… así que me hace ilusión ☺️lanzar este:

📚 PACK de 2 de mis LIBROS 📚

BASES 👇🏻

❤️ like + 🔄 RT + comenta: OPCIONES

15/02 (18:00h) ganador, suerte a todos !!
.

[Ignacio Álvarez @ialvarez95]

Mi amigo Jesús Saldaña, cardiólogo en el hospital La Paz, iba en uno de los vagones Iryo accidentados.

No sabemos nada de él desde tuvo lugar el accidente.

Si alguien tiene alguna noticia sobre él, le ruego que me escriba.

Agradezco mucho la difusión.

[Ale Inversor @AleInversor]

🚨 SORTEO 39K – LIBROS GRATIS 🚨

Para celebrar que somos 39.000 por aquí, voy a regalar 2 libros (a elegir entre estos 8) que me cambiaron la mentalidad a la hora de invertir.

Sí, GRATIS. Y tú eliges los dos. Para participar:
✅ Sígueme
💬Comenta
❤️ Me gusta
🔄 RT a este tweet

📅 Mañana por la noche anunciamos al ganador.

[Carlos Pérez @Carplom]

@AleInversor Tendré suerte? 🍀🤞

[Carlos Pérez @Carplom]

@MtoOpciones 🤞

[MTO_Opciones @MtoOpciones]

🚨SORTEO 1 MES GRATIS !!

En MTO cumplimos 1 mes, y que mejor celebración que sortear 1 mes de suscripción 🎁

Aplica tanto si deseas conocernos como si ya estás DENTRO de la familia

Participa con:
Like ❤️
Retuit 🔄
Síguenos 👥
… y comenta: SORTEO

Ganador por aquí -&gt; 07/12
.

[Jordi Sabaté Pons @pons_sabate]

NECESITO MUY URGENTE AUXILIAR DE ENFERMERÍA

Con permiso de trabajo, y hago contrato indefinido 40h semanales.

Abstenerse enfermeros, o médicos pendientes de homologación del título en España.

Vivo en Barcelona ciudad, soy enfermo de ELA con traqueotomía y PEG:

Transferencias con grúa.

Turno de noche y turnos de tarde y fines de semana rotativos cada mes.

NO enviar mensajes directos en redes sociales.

Interesad@s enviar currículum por whatsapp al 630324954