Como te comenté en el video de la explicación del clustering jerárquico, esta técnica es muy útil cuando se desea descubrir similitudes entre individuos en base a sus características. En este video la aplicaremos en el análisis de series de tiempo.
Como medida de similitud entre las series de tiempo, utilizo un algoritmo llamado ““Dynamic Time Warping” o DTW por sus siglas en inglés. Este algoritmo ha sido utilizado en diferentes áreas, entre otras, en la bioinformática, en el análisis de secuencias de video, y en el reconocimiento automático de voz, en donde el sistema puede reconocer una misma palabra aún cuando se pronuncie utilizando diferentes velocidades.
Para mostrarte como puedes detectar series de tiempo que tienen patrones similares, utilicé los retornos logarítmicos de los valores registrados de 6 índices bursátiles durante los primeros 4 meses de este año, ya que me pareció interesante analizar cómo se han comportado estas bolsas durante la pandemia por la que desafortunadamente estamos atravesando. La información acerca de los índices bursátiles, me la proporcionó mi amigo Victor Rico, quien tiene un canal de youtube acerca de Finanzas
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.
Si conoces a alguna persona a la que le pudiera ser de utilidad esta información, por favor ayúdame a compartirla. Te lo agradeceré muchísimo 😉