En este artículo te mostraré cómo podrías aplicar una técnica llamada Análisis de Componentes Principales (PCA, por sus siglas en inglés), en caso de que quisieras encontrar similitudes entre series de tiempo, es decir, hacer clustering sobre las mismas.
Ya en un articulo anterior hablamos sobre el Clustering Jerárquico. Si es la primera vez que lo escuchas o no lo recuerdas te dejo el enlace para que puedas revisarlo . Pincha aquí 👈
Hay que tener en cuenta que a diferencia de la técnica que te mostré en el artículo “Clustering Jerárquico de Series Temporales en R” que te indicado anteriormente, en la que utilizamos un algoritmo llamado “Dynamic Time Warping” para detectar series de tiempo similares aunque estas varíen en velocidad, en esta ocasión se encontrarán las similitudes mediante la comparación de las magnitudes de las series punto por punto.
GRÁFICOS PCA SOBRE ÍNDICES BURSÁTILES 2020
En el siguiente vídeo llevaré a cabo un ejercicio práctico,donde explico más detalladamente en R studio todo el procedimiento, utilizando de nuevo los valores registrados de 6 índices bursátiles durante los primeros 4 meses del año en curso, es decir, del 2020.
Los archivos que voy utilizando los puedes encontrar en: https://github.com/rociochavezmx/Roci…
Algunos archivos no los encontrarás en el link, ya que se van creando al correr los códigos que vienen en los videos y estos se grabarán en tu computadora.
Si quieres aprender más acerca de este tipo de técnicas, suscríbete a mi canal, en donde estaré subiendo videos de Machine Learning, Estadística y de Matemáticas en general aplicadas a los negocios.
👉 Youtube de Rocío : https://www.youtube.com/user/rociochavezmx
Si conoces a alguna persona a la que le pudiera ser de utilidad esta información, por favor ayúdame a compartirla. Te lo agradeceré muchísimo 😉
- TIPOS DE VARIABLES ESTADÍSTICAS - agosto 5, 2021
- Estandarización de Variables | Normalización - julio 19, 2021
- Árboles de Decisión| Creación, Precisión y Predicción con Valores Nuevos - julio 1, 2021