predict gold prices

Pronóstico del precio del oro

Autor: Nhi Yen

Escribo sobre aprendizaje automático en Medium || Github || Kaggle || Linkedin. Si este artículo le resultó interesante, su apoyo me ayudará a difundir el conocimiento a otros.

Introducción

Este repositorio contiene código para pronosticar el precio del oro utilizando varios métodos de pronóstico de series temporales. El conjunto de datos utilizado es el precio diario del oro en USD desde 1950-01 hasta 2020-07.

Conjunto de datos

El conjunto de datos del precio mensual del oro utilizado para este análisis es el precio diario del oro en USD desde 1950-01 hasta 2020-07. El conjunto de datos contiene 847 observaciones con 2 columnas: Fecha y Precio.

Modelos de pronóstico

El cuaderno de Jupyter Gold_Price_Forecasting_Models.ipynb contiene el código para crear y evaluar tres modelos de pronóstico de series temporales diferentes:

• Modelo de regresión lineal

• Modelo ingenuo

• Modelo de suavizado exponencial

Para el modelo de regresión lineal, el conjunto de datos se dividió en conjuntos de entrenamiento y prueba. El modelo de regresión lineal se ajustó a los datos de entrenamiento y se utilizó para predecir los precios del oro para los datos de prueba. Se utilizó el error porcentual absoluto medio (MAPE) para evaluar el rendimiento del modelo.

Para el modelo ingenuo, se utilizó el último valor del conjunto de entrenamiento para predecir los precios del oro para los datos de prueba. Se utilizó nuevamente el MAPE para evaluar el desempeño del modelo.

Para el modelo de suavizado exponencial, se utilizó el paquete statsmodels para ajustar un modelo de suavizado exponencial en todo el conjunto de datos. Luego, el modelo se utilizó para predecir los precios del oro para los datos de prueba. También se calcularon los intervalos de confianza del 95% para las predicciones. Se utilizó nuevamente el MAPE para evaluar el desempeño del modelo.

Resultados

Los resultados de los tres modelos se compararon en función de sus puntuaciones MAPE. El modelo de suavizado exponencial obtuvo el mejor rendimiento con una puntuación MAPE del 17,235%.

Conclusión

Se utilizó el modelo de suavizado exponencial para predecir los precios del oro para el período 2020-08 a 2025-02. Los precios previstos se almacenan en un archivo CSV denominado gold_price_predictions.csv .

Referencias

• Conjunto de datos de Kaggle: precio mensual del oro

• Repositorio de Github - AQUÍ

• Proyecto Kaggle - AQUÍ

• Visualización de series temporales en Tableau

• Explicación detallada sobre el código en MEDIO