Aprendizaje profundo para las finanzas

Capítulo 7. Modelos de aprendizaje automático para la predicción de series temporales

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

El aprendizaje automático es un subcampo de la IA que se centra en el desarrollo de algoritmos y modelos que permiten a los ordenadores aprender y hacer predicciones o tomar decisiones sin ser programados explícitamente, de ahí el término aprendizaje. El aprendizaje automático se ocupa del diseño y la construcción de sistemas que puedan aprender y mejorar automáticamente a partir de la experiencia, normalmente analizando y extrayendo patrones de grandes cantidades de datos.

Este capítulo presenta el marco del uso de modelos de aprendizaje automático para la predicción de series temporales y analiza una selección de algoritmos conocidos.

El marco

El marco es muy importante, ya que organiza la forma en que se realiza todo el proceso de investigación (desde la recogida de datos hasta la evaluación del rendimiento). Disponer de un marco adecuado garantiza la armonía entre los backtests, lo que permite una comparación adecuada entre los distintos modelos de aprendizaje automático. El marco puede seguir los siguientes pasos cronológicos:

1. Importa y preprocesa los datos históricos, que deben contener un número suficiente de valores para garantizar un backtest y una evaluación decentes.
2. Realiza una división entrenamiento-prueba, que divide los datos en dos partes en las que la primera ...