Analítica de datos y predicción del mercado accionario de los Estados Unidos

Abstract

Este trabajo explora el mercado de valores en Estados Unidos, analizando su estructura, funcionamiento, actores principales y su impacto en la economía global. Se abordan aspectos históricos, regulatorios y tecnológicos que han influido en su evolución, así como el papel de los datos y la analítica en la toma de decisiones financieras. Esta información nos permitirá construir un historial suficientemente poderoso para aplicar varios modelos e identificar los óptimos que nos permitan predecir el comportamiento futuro. El documento explica en el funcionamiento del mercado de valores de EE.UU., destacando la regulación por parte de la SEC y el uso creciente de algoritmos y modelos predictivos. Se presenta un análisis visual con gráficos sobre la volatilidad y rendimiento del S&P 500, Bolsa de Nueva York (NYSE) y el NASDAQ entre 2014 y 2023, así como una tabla comparativa de rendimiento sectorial, donde tecnología lidera con un 18% promedio, seguido por salud y consumo. También se incluye un análisis de correlación entre los sectores de tecnología, salud, financiero, consumo y energía, útil para estrategias de diversificación. Posteriormente, se aborda el mercado accionario global, su historia desde la Bolsa de Ámsterdam, y su evolución en regiones como Asia, Europa y América Latina. Se destaca la interconexión con el mercado estadounidense y el papel de indicadores bursátiles globales como el S&P 500, Dow Jones y MSCI World Index. Se presentan casos de estudio relevantes: el impacto del COVID-19, la burbuja tecnológica de los 2000 y la recuperación post-crisis de 2008. El trabajo analiza el impacto de la tecnología en el mercado accionario, la importancia de la regulación y transparencia, los riesgos sistémicos, y el auge de las finanzas verdes y criterios ESG. Se enfatiza la necesidad de educación financiera y analítica para interpretar datos del mercado y desarrollar modelos predictivos. Las perspectivas futuras apuntan a una mayor integración de tecnologías como blockchain, big data y machine learning. Finalmente, se explica Prophet, como herramienta seleccionada para el desarrollo del modelo predictivo y luego el código desarrollado con la respectiva explicación de cada fase, así como también la interpretación de las evaluaciones y los resultados obtenidos.