Contenido

Objetivo

Explorar y aplicar técnicas avanzadas de preprocesamiento y análisis de datos financieros utilizando Python, para mejorar la toma de decisiones en el ámbito empresarial y de inversión.

Descripción

Este tema aborda el análisis de datos financieros y su preprocesamiento, destacando la importancia de técnicas avanzadas para la manipulación y visualización de grandes volúmenes de información en los mercados financieros. Se aprenderá a utilizar Python para procesar y analizar datos, explorando desde la obtención de datos en plataformas como Yahoo Finance hasta la aplicación de modelos estadísticos para interpretar series de tiempo y movimientos de mercado. Este conocimiento es crucial para la toma de decisiones informadas en el ámbito financiero.

Explicación

Haz clic para revisar la explicación.

Datos financieros y preprocesamiento

Recursos adicionales

El siguiente enlace es externo a la Universidad Tecmilenio, al acceder a este considera que debes apegarte a sus términos y condiciones.

Revisa la siguiente lectura:

Para conocer más sobre datos financieros, revisa la siguiente lectura:

Actividad

Objetivo

Aplicar los conocimientos básicos de Python en la visualización y modelado de información financiera para analizar el comportamiento de precios de acciones y/o activos financieros en el mercado de valores, utilizando datos históricos.

Instrucciones
  1. Acceso a datos:
    • Accede a Yahoo Finance y busca el símbolo de una acción o activo financiero.
    • Dirígete a la sección "Historical Data" y descarga los datos de precios diarios para el último año en formato CSV.
  2. Preparación de los datos:
    • Abre el archivo CSV utilizando Python y la librería Pandas.
    • Realiza una limpieza de datos asegurándote de eliminar valores nulos y corregir formatos de fecha si es necesario.
  3. Visualización de datos:
    • Utiliza Matplotlib o Seaborn para crear gráficos de series de tiempo que muestren la evolución del precio de cierre de las acciones.
    • Identifica tendencias y patrones en los datos visualizados.
  4. Modelado de datos:
    • Calcula el promedio móvil simple de los precios de cierre para los últimos 30 días y añádelo como una nueva serie en tu gráfico.
    • Interpreta los resultados mostrados en el gráfico y redacta tus conclusiones.
  5. Documentación:
    • Asegúrate de documentar tu código adecuadamente para explicar cada paso de tu análisis.
    • Prepara un breve informe en un notebook de Jupyter explicando tus métodos, visualizaciones y conclusiones.
Checklist
  • Se descarga adecuadamente los datos históricos de Yahoo Finance.
  • Se realiza la limpieza y preparación de los datos correctamente.
  • Se crea gráficos de series de tiempo para los precios de cierre.
  • Se calcula y visualiza el promedio móvil simple de los últimos 30 días.
  • Se interpreta adecuadamente los patrones y tendencias en los datos visualizados.
  • Se documenta el proceso de análisis en el código y en el informe final.