Situación
El notebook modela la serie horaria del precio de cierre de Amazon para comparar valores reales y estimados. El ejercicio se enfoca en preparación temporal y redes recurrentes, no en producir una recomendación financiera ni un sistema de negociación.
El desafío
Una serie financiera debe conservar el orden cronológico durante separación, escalado y construcción de ventanas. El repositorio usa secuencias de diez pasos y una división 90/10, pero no presenta pruebas en otros períodos o activos. El notebook original corresponde a 2023 y convive con un script posterior de actualización continua, por lo que ambos recorridos no deben confundirse.
La solución
La implementación obtiene datos con yfinance, prepara la serie mediante pandas y MinMaxScaler, y entrena una LSTM de 256 unidades seguida de capas densas. Usa Adam, error cuadrático medio y 300 épocas. El archivo de salida conserva 158 pares de valores reales y predichos para inspección.
Impacto
A partir de ese CSV se deriva un error absoluto medio cercano a USD 2,08 para la partición registrada. La cifra caracteriza esa corrida y ese período; no demuestra rentabilidad, estabilidad futura ni capacidad de pronóstico general. El proyecto aporta un ejemplo trazable de ventanas temporales, escalado y comparación de series, con límites claros antes de cualquier interpretación financiera.