Configura un modelo de ML, entrénalo con datos históricos y evalúa su precisión predictiva
🐕 Piénsalo así: Entrenar un modelo de ML es como enseñarle trucos a un perro. Le das muchos ejemplos (datos históricos con etiquetas "subió/bajó"), el perro aprende los patrones (entrenamiento) y después predice qué pasará con nueva información. Si le muestras pocos ejemplos o muy ruidosos, el perro "memoriza" en lugar de aprender — eso se llama overfitting. Si le muestras demasiado simples, no aprende lo suficiente — underfitting.
📚 Fuente: López de Prado, M. (2018) — "Advances in Financial Machine Learning". Wiley. El libro estándar de ML aplicado a finanzas cuantitativas.