Aplicación de técnicas de machine learning para la predicción de los precios de la acción APPLE

Resumen

La presente publicación tiene el objetivo de comparar el nivel de predicción de determinadas técnicas como series de tiempo y machine learning en el contexto del pronóstico del precio de la acción APPLE que tiene el mayor volumen de capitalización en el sector de la tecnología. Se ha descargado el histórico de precios cuyas fechas están entre el 01 de enero del 2019 y el 30 de junio del 2021 y se buscó medir el nivel de predicción teniendo como target los precios del día siguiente, al día 15 y al día 30, asimismo, se probó la información textual para poder medir su aporte en la mejora de la predicción. Se utilizaron los indicadores de ajuste Raiz del Error Cuadrático Medio (RMSE) y del Error Porcentual Absoluto Medio (MAPE), considerando el criterio de que en la medida que una técnica presente menor valor será la mejor técnica para cada uno de los escenarios propuestos. Respecto a los resultados que se obtuvo en la aplicación de las diversas técnicas para cada escenario, se encontró que la técnica de Machine Learning XGBOOST con parámetros tuneados mediante Cross Validation y el modelo de Regresión Lineal múltiple son las más útiles para la predicción del precio de la acción APPLE y la información textual también mejoró el nivel de predicción del precio de la acción APPLE.