Transfer Learning para Previsão de Séries Temporais com o Python
A aprendizagem por transferência (ou transfer learning) é a técnica de reutilizar um modelo previamente treinado em um novo problema. Esse conceito representa um grande avanço para a previsão de variáveis, especialmente aquelas organizadas ao longo do tempo, como séries temporais. Neste post, exploramos como usar transfer learning com Python para trabalhar com esse tipo de dado.
Como usar o Python para tratar e manipular dados financeiros
Este exercício tem como objetivo apresentar a biblioteca pytimetk para a manipulação de dados financeiros no Python. Utilizaremos como exemplo ações brasileiras, demonstrando como carregar, estruturar, manipular e visualizar esses dados.
Como usar o Python para tratar e manipular dados de Séries Temporais
Este exercício tem como objetivo apresentar a biblioteca pytimetk para a manipulação de dados em séries temporais no Python. Utilizaremos como exemplo os núcleos de inflação, demonstrando como carregar, estruturar, manipular e visualizar esses dados.
Aplicação de Cadeias de Markov Ocultas (HMMs) para Finanças usando Python
Neste exercício, criamos um tutorial no Python de como usar o Hidden Markov Models, utilizando como exemplo a detecção de mudanças de regime nos retornos mensais do Ibovespa, identificando períodos de alta e baixa volatilidade
Previsão do Ibovespa utilizando IA (TimeGPT) + Python
Historicamente, métodos estatísticos como ARIMA, ETS, MSTL, Theta e CES têm sido confiavelmente empregados em diversos domínios. Na última década, modelos de aprendizado de máquina como XGBoost e LightGBM ganharam popularidade. Agora, podemos entrar em uma nova fase na era da previsão: o uso da IA Generativa para a previsão de séries temporais. Neste exercício, demonstramos de forma introdutória o TimeGPT e criamos um exemplo usando o Ibovespa.
