Descargar como PDF, PPTX
Subido porSolidQ
Jugando a ser rico: Machine Learning para predicción de stocks
El documento presenta un resumen sobre el uso del machine learning para predecir acciones en el mercado de valores. Explica que se necesitan tendencias y periodicidad para hacer predicciones a futuro, y que tradicionalmente los análisis de acciones se han hecho de forma manual usando varios indicadores. Luego, describe cómo se puede aproximar este problema usando time series y agregando variables externas como indicadores económicos y de sentimiento a los modelos, transformando así los análisis de series temporales en problemas de regresión clásica.
Más contenido relacionado
Similar a Jugando a ser rico: Machine Learning para predicción de stocks
Jugando a ser rico: Machine Learning para predicción de stocks
- 1. Jugando a serrico: Machine Learning para predicción de stocks Pau Sempere Sanchez – Mentor – R&D Lead #SQSummit2018 [email protected]
- 2. Agenda El fantasmade las predicciones futuras El caso del mercado de stocks ¿Cómo lo hemos aproximado?
- 3. Agenda El fantasmade las predicciones futuras El caso del mercado de stocks ¿Cómo lo hemos aproximado?
- 4. El fantasma delas predicciones futuras
- 5. El fantasma delas predicciones futuras Para predecir a futuro necesitamos Tendencia Periodicidad
- 6. El fantasma delas predicciones futuras
- 7.
- 8. El fantasma delas predicciones futuras
- 9. Demo Prediciendo stocks contime series
- 10. Agenda El fantasmade las predicciones futuras El caso del mercado de stocks ¿Cómo lo hemos aproximado?
- 11. Mercado de valores Análisis“manual” Gran variedad de indicadores Origen gráfico Origen “indefinido” Desconfianzas
- 12.
- 13. Cuestión de confianza https://www.theguardian.com/business/2013/apr/23/ ap-tweet-hack-wall-street-freefall Nasdaqperdió 150 puntos en 2013 por una noticia falsa en Twitter ¡Obama! ¡Bomba! ¡Herido! ¡Casa Blanca!
- 14. Modelando el mercadode valores Comportamiento histórico de la acción: Precios de cierre Máximos y mínimos Volúmenes de negocio Indicadores económicos: LIBOR, PIB, cambios de divisas…
- 15. Modelando el mercadode valores Noticias Análisis de sentimiento Análisis técnico: Medias móviles Resistencias y soportes Tendencias
- 16. Agenda El fantasmade las predicciones futuras El caso del mercado de stocks ¿Cómo lo hemos aproximado?
- 17.
- 18. Aproximando con regresores Untime series es un regresor lineal
- 19. Aproximando con regresores TimeSeries aceptan regresores externos Se convierten en variables extra en la ecuación 𝑦𝑦𝑡𝑡 = 𝑎𝑎1 𝑦𝑦𝑡𝑡−1 + 𝑎𝑎2 𝑦𝑦𝑡𝑡−2 + 𝑎𝑎3 𝑦𝑦𝑡𝑡−3 + 𝑑𝑑1 𝑟𝑟𝑡𝑡−1
- 20. Aproximando con regresores Cualquiertime series se puede convertir en una predicción de regresión clásica Cada elemento que define el negocio puede añadirse como features de un regresor Cada elemento de las ecuaciones de ARIMA pueden transformarse en features de un regresor
- 21. Demo Predicción de stockscon elementos de negocio
- 22. Consideraciones La predicción hade ser realista y útil para negocio Si no tenemos dato, nos lo inventamos lo inferimos
- 23. Siguientes pasos Añadirindicadores técnicos Tunear algoritmos actuales Usar Deep Learning
- 24. Conclusiones Modelar el negocioes más importante que el algoritmo que se usa El algoritmo tampoco es irrelevante La manera de hacer el test y la simulación es FUNDAMENTAL
- 26.
- 27.