Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Mercados Financieros | Resuelve Problemas Reales
Análisis de Series Temporales
course content

Contenido del Curso

Análisis de Series Temporales

Análisis de Series Temporales

1. Serie Temporal: Comencemos
2. Procesamiento de Series Temporales
3. Visualización de Series Temporales
4. Modelos Estacionarios
5. Modelos No Estacionarios
6. Resuelve Problemas Reales

bookMercados Financieros

El afán por predecir la bolsa empezó probablemente al mismo tiempo que la propia bolsa. Pero como ya sabe, ahora podemos hacer realidad este "sueño" con la ayuda de modelos predictivos.

Los conjuntos de datos con registros bursátiles implican un análisis de tendencias, fluctuaciones cíclicas y estacionalidad. Por ejemplo, los mercados bursátiles tienden a comportarse bien a principios de año, ya que es cuando muchos inversores disponen de capital fresco. Los precios de las acciones pueden subir antes de los puentes y las vacaciones de tres días. Esto se debe únicamente a factores humanos.

Básicamente, para predecir las acciones del mercado se utilizan modelos que trabajan con datos que presentan múltiples estacionalidades. Uno de los modelos más populares es Prophet, creado por Meta. El modelo matemático es el siguiente

La ecuación incluye los parámetros de tendencia g(t), estacionalidad s(t), vacaciones h(t) y ruido e(t).

Puedes experimentar con el modelo en Python:

``python from prophet import Prophet

modelo = Prophet() model.fit(df) ```

Si utiliza un modelo de media móvil, ¿qué tamaño de ventana cree que predecirá los datos financieros con mayor rapidez?

Si utiliza un modelo de media móvil, ¿qué tamaño de ventana cree que predecirá los datos financieros con mayor rapidez?

Selecciona la respuesta correcta

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 6. Capítulo 3
some-alt