Aplica ML supervisado, no supervisado y deep learning a predicción de mercados
IA en finanzas: promesas, límites y aplicaciones reales
Crear predictores financieros desde datos de mercado
Estacionariedad, normalización, outliers, manejo de nulos
Predecir precio y dirección del mercado
XGBoost y LightGBM para señales de trading
Clasificación de regímenes de mercado con SVMs
MLP con PyTorch para predicción de series financieras
Memoria a largo plazo para predicción secuencial de precios
Convoluciones sobre ventanas de precios para patrones locales
K-Means, GMM y HMM para detección de regímenes
Backtesting de ML, walk-forward y métricas específicas
Pipeline ML completo: features ’ modelo ’ señales ’ backtest