Previsões do mercado de ações usando Python

1 min de leitura
Imagem de: Previsões do mercado de ações usando Python
Avatar do autor

Equipe TecMundo

@tec_mundo

Utilizando IBM Watson Studio e Watson Machine Learning, este padrão de código apresenta um exemplo de fluxo de ciência dos dados que tenta predizer o valor de fechamento de ações, com base na S&P 500 e em dados históricos. Ainda, este padrão inclui o processo de mineração de dados com a API Quandl — um marketplace para dados financeiros, econômicos e alternativos entregues em formatos modernos para os analistas de hoje.

Após completar este padrão de código, você será capaz de:

  • Usar o Jupyter Notebooks no Watson Studio para minerar dados financeiros usando APIs públicas.

  • Utilizar ferramentas especializadas do Watson Studio, como o Data Refinery, para aprendizado de modelos.

  • Construir, treinar e salvar uma série temporal de dados extraídos, usando bibliotecas de código aberto em Python ou os buit-in visuais disponíveis no Modeler Flow dentro do Watson Studio.

  • Interagir com o IBM Cloud Object Storage para armazenar e acessar dados minerados e análises.

  • Armazenar modelos criados com o Modeler Flow e interagir com serviços do Watson Machine Learning usando API Python.

  • Gerar visualizações gráficas de séries de dados usando Pandas e Bokeh.

Fluxo

flow

  1. Criar um novo projeto no Watson Studio.

  2. Assinalar um armazenamento Cloud Object ao projeto.

  3. Carregar o Jupyter Notebook ao Watson Studio

  4. Os dados de amostra fornecidos ela API do QuandI são importados pelo Jupyter Notebook.

  5. Os dados importados são tratados pelo Data Refinery e salvos no Cloud Object Storage.

  6. Utilizar o modelador de fluxos SPSS para criar previsões.

  7. Importar para o Watson Machine Learning o modelo exportado do SPSS.

  8. Exibir os modelos do Watson Machine Learning através da API.

  9. A aplicação utiliza a API Watson Machine Learning para criar predições de mercado.

Instruções

Confira o passo a passo detalhado no arquivo Leia-me. Você aprenderá a:

  1. Criar um novo projeto no Watson Studio.

  2. Minerar dados e fazer previsões com Python Notebook.

  3. Configurar a API Quandl.

  4. Configurar as credenciais de armazenamento do IBM Cloud Object no notebook.

  5. Importar os dados minerados como um ativo no projeto do Watson Studio.

  6. Tratar dados usando o Data Refinery.

  7. Fazer previsões com o modelador de fluxos SPSS.

  8. Visualizar resultados com uma Python Notebook no Modeler Flow.

  9. Implantar um modelo do Modeler Flow no Watson Machine Learning.

Comentários

Conteúdo disponível somente online
Previsões do mercado de ações usando Python