Prediccion Precios de Bolsa con Inteligencia Artificial

En este articulo te mostrare como usar una red neuronal recurrente para predecir los precios de una accion en la bolsa de valores. En este caso vamos a predecir el precio de la accion de Google.

El blog se divide en las siguientes secciones:

  • Introduccion Caso Estudios
  • Entendiendo Set de Datos
  • Pre Procesamiento de Datos
  • Arquitectura del Modelo
  • Compilado
  • Entrenamiento
  • Prediccion
  • Visualizacion

Introduccion Caso de Estudios

Como set de datos usaremos el historial de precios de la accion de google de los ultimos 4 meses. Usaremos 3 meses para el set de entrenamiento (training_set) y el ultimo mes lo dedicaremos como set de prueba (test_set).

Asumo que como lector ya has visto mi curso de Redes Neuronales con Python donde explico en detalle como funcionan las Redes Neuronales Artificiales / Convolucionales / Recurrentes y muchas mas!

 

Pre-Procesamiento de Datos

Empezaremos pre-procesando nuestro set de datos. Haremos la prediccion basado en el precio “Open”.

Usamos pandas para importar el set de datos y la funcion .iloc para crear una matriz que tenga las dimensiones especificadas en el codigo [:, 1:2]. Mencione previamente que hariamos la prediccion basada en el precio Open, eso es lo que estamos indicando en esta seccion.

Nuestro set de datos contiene numeros con varios digitos, eso puede afectar nuestra prediccion asi que haremos escalado de caracteristicas.

Finalmente debemos crear nuestra estructura de la red recurrente. Haremos 60 pasos temporales y tendra 1 salida.

 

Arquitectura del Modelo

La primera capa sera LSTM de 50 unidades y aplicaremos regularizacion de desercion (Dropout) de 20%.

La segunda capa sera LSTM de 50 unidades y regularizacion de desercion de 20%.

La tercera capa sera igual, LSTM, 50 unidades Dropout = 20%. Hemos estado usando return_sequences=True porque hemos estado agregando mas capas, para la siguiente no lo usaremos porque sera la ultima capa antes de la capa de salida.

La Cuarta capa sera LSTM de 50 unidades y regularizacion de desercion 20%

La capa de salida sera una capa Dense con 1 unidad.

Compilado

Usaremos el optimizador Adam y la funcion de perdida de Error Medio al Cuadrado.

Entrenamiento

Ahora que hemos creado la red neuronal recurrente debemos encajarla en el set de entrenamiento para poder empezar el entrenamiento.

Encajamos el modelo en el set de entrenamiento, haremos 100 epochs y un tamaño de lote de 32.

Ahora seleccionamos todo el codigo hasta aca y presionamos Ctrl + Alt + Enter en “Spyder” para empezar el entrenamiento.

 

Prediccion

Ahora que hemos entrenado el modelo debemos hacer la prediccion.

Compararemos el set de datos original con nuestra prediccion para ver la exactitud de nuestro modelo.

Primero cargamos lo datos reales, luego hacemos la prediccion de la accion del mes cuyos datos tenemos.

Agregamos una dimension extra a la red neuronal recurrente y finalmente hacemos la prediccion.

 

Visualizacion

Ahora que hemos importado los datos originales y tenemos un grafico para los datos originales y la prediccion del mes que viene, podemos graficar ambos resultados y ver la exactitud de nuestro modelo.

Related Articles

Preguntas

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

    1. lo precios reales los puedes ver en yahoo stocks,, los precios predichos los muestrra el robot en la consola del programa

  1. Buenas como andas? veo que en el video que lo haces en tiempo real, esa información como la obtenes y que costo tiene?
    Gracias por tu tiempo

      1. Hola men, . tendras un ejemplito de prediccion de serie de tiempo pero con variables , por ejemplo el precio del arroz q dependa del precio del trigo, maiz, dolar, etc? de antemano gracias

        1. En ese caso tendrias que buscar en Nasdaq o yahoo stocks la comodidad que estas buscando. Tambien depende si es relativo al pais, recuerda que cada pais tiene una bolsa de valores donde encuentras los datos historicos.

  2. Puedo utilizar estas redes neuronales para la prediccion de precios de vivienda ? estoy comparando 2 modelos de redes neuronales y ya aplique uno con redes neuronales profundas pero estoy buscando con que otra realizar dicha comparacion, soy seguidor de tus cursos de Udemy, gracias de antemano.