Research
Estacionalidad con Prophet y series de Fourier en Python
Detección de estacionalidad en el oro (GLD) con Prophet y Python
- 6 May 2025
- Estacionalidad y Patrones
- Serie Estacionalidad
- Research 1 de 5
Introducción práctica a Prophet, la librería de código abierto de Meta para series temporales, aplicada con Python a detectar patrones estacionales en el precio del oro (ETF GLD). Explica la descomposición en tendencia, estacionalidad y error, cómo separar los periodos de entrenamiento y prueba y cómo leer las bandas de predicción del modelo.
Evidencia
Figura original del Research
Metodología
Tendencia, estacionalidad y error
Los datos se descargan con yfinance y se dividen en un periodo de entrenamiento y otro de prueba. Prophet se configura en modo aditivo, en el que la serie es la suma de tendencia, estacionalidad y error, y el periodo de la estacionalidad (semanal, mensual o anual) se elige según el patrón que se quiera estudiar.
Relación con la Serie
Pertenece a la Serie Estacionalidad · Research 1 de 5
Este Research forma parte de la Serie «Estacionalidad» y no se vende por separado.
Research Serie
Continúa con la Serie completa
Serie Estacionalidad · 5 Research
Seleccionado para la Biblioteca Fundacional de Membership. Su incorporación a Membership está pendiente: hasta entonces no forma parte de lo que recibe un miembro.
Conocer Research MembershipSMQuantum publica contenido formativo, informativo y de investigación cuantitativa. SMQuantum no presta asesoramiento de inversión personalizado: no formula recomendaciones adaptadas a tu situación financiera, tu cartera, tu perfil de riesgo, tus objetivos o tus circunstancias personales. Las decisiones de inversión que tomes son tuyas. Invertir y operar en los mercados financieros implica riesgo y puede producir pérdidas. Los resultados históricos, simulados o de backtest no garantizan resultados futuros. Más información en el Aviso legal.