top of page
SERIES TEMPORALES FINANCIERAS

Módulo 10: Predicción de series temporales financieras

 

  • Tratamiento de datos

  • Descomposición de series temporales

  • Uso de Pandas 

  • Media movil

  • Suavizamiento exponencial

  • Holt-Winter´s exponential 

  • Modelos ARIMA

  • Tratamiento de datos

    • Test de normalidad

    • Estimación de colas pesadas

    • T-test y F-test

    • Pruebas de autocorrelación

    • Series No Estacionarias

    • Test Dickey-Fuller

    • Pruebas de Cointegración

    • Durbin-Watson

  • Predicciones de precios de acciones

    • Estimaciones de liquidez e iliquidez

  • Predicciones de precios de oro

  • Predicciones de precios del Bitcoin

  • Tratamiento de High-Frequency Data

  • Ejercicio 21: Pruebas de Series no estacionarias y de cointegración en R 

  • Ejercicio 22: Forecasting precios de acciones usando ARIMA en R y Python

  • Ejercicio 23: Tratamiento de High-frequency data en Python

 

Módulo 11: Modelos de Forecasting

​​

  • ​Estrategias de Trading con modelos de forecasting

  • Modelos Multivariantes

    • Modelos de Vectores Autoregresivos VAR

    • Modelos ARCH

    • Modelos GARCH

    • Modelos GARCH Multivariante Copulas

    • Modelo de Vector de Corrección de Error VEC

    • Método de Johansen

  • Modelos de Machine Learning

    • Supported Vector Machine 

    • Red Neuronal

      • Forecasting de series temporales de mercado 

      • Data de Yahoo! Finance (r)

      • Data de Google Finance (r)

      • Data de FRED

      • Data de Census Bureau, Treasury and BLS

      • Forecasting rendimientos series temporales de mercado

      • Algortimos NN y SVM para forecasting de rendimientos

      • Forecasting volatilidad NN frente a Garch

    • Base de desarrollo y validación 

  • Deep Learning

    • Redes Neuronales Recurrentes RNN

    • Red Neuroal de Elman

    • Red Neuronal de Jordan

    • Estructura básica de RNN

    • Long short term memory

    • Ventanas temporales

    • Muestra de desarrollo y validación

    • Regresión

    • Modelización de la secuencia

  • Análisis de series temporales con Prophet de facebook​

  • Ejercicio 24: Modelización precio de acciones con VAR y vectores de correción de error en R 

  • Ejercicio 25: Forecasting volatilidad GARCH en Python

  • Ejercicio 26: Forecasting volatilidad Multivariante GARCH en R

  • Ejercicio 27: Forecasting Machine Learning usando NN en R

  • Ejercicio 28: Forecasting precios de acciones usando Redes Neuronales Recurrentes en Python

  • Ejercicio 29: Forecasting de series de acciones con Prophet 

  • Ejercicio 30: Forecasting de Bitcoin usando redes neuronales en R​​

  • Ejercicio 31: Algoritmo de trading Garch-Arima​

  • Ejercicio 32: Algoritmo de trading de cointegración

REDES SOCIALES

Módulo 12: Análisis de Sentimientos en Twitter 

para predecir precios de acciones

  • Modelos de Predicción de precios de acciones basados en sentimientos

  • Twitter​

    • Fuentes de información

    • conexión API Twitter

    • Token y Keys

  • Tratamiento de la información

    • Definición Text Mining

    • Unstructured Data

    • Análisis Exploratorio

    • Treemaps

  • Modelización predictiva en el Text Mining

    • K-Nearest Neighbors

  • Text Mining en las Redes Sociales

    • Keyword Search

    • Algortimos de clasificación

    • Algoritmos Clustering

  • Sentimiento en lingüística y Psicología

    • Subjetividad

    • Facticidad

  • Análisis de Sentimientos en Twitter

    • Análisis  y Score de polaridad

    • Support Vector Machine

    • Redes Neuronales

  • Ejercicio 33: Text Mining de un documento en R

  • Ejercicio 34: Análisis de palabras y asociaciones de tweets  

  • Ejercicio 35: Análisis de Sentimientos en Twitter y modelo predictivo usando Support Vector Machine en R

SERIES TEMPORALES FINANCIERAS

€500.00Precio
Impuesto excluido