Bitcoin Forecaster
Se creó este predictor de Bitcoin/Pesos Mexicanos utilizando la Api de Bitso y FacebookProphet para poder predecir los precios de dicha moneda 15 días en adelante a partir de hoy*.
Paso 1.-
Hacer llamadas a la Api de Bitso para obtener nuestro primer data frame con el cuál trabajaremos posteriormente. Empezamos a recopilar información a partir del 1 de enero del 2019.* Ésta información contiene: el precio, el día, el mes, el año y cuál fue la posición de mercado que más predominó. Guardamos ésta información en un archivo formato .csv para poder utilizarla después.
Paso 2.-
Creamos una función que trabaje con el data frame creado en el paso 1 y extraiga de la información guardada por minuto lo siguiente:
La fecha con el formatio día/mes/año. Dos medías de precio, una de 24 horas y otra de 12 horas. El precio mínimo y máximo del día.
Nuestro data frame original tenía más de 300 mil filas y lo reducimos a 350, lo ideal es tener 365 filas por año.
Paso 3.-
Creamos una función que obtenga las fechas en las cuáles existe un cambio de tendencia. Este cambio lo conocemos al crear un data frame con dummies para las ventas y compras.
Paso 4.-
Creamos funciones que calculen el MAPE error, un inversor de coxbox y un comparador de dataframes para comparar el data frame histórico con el que nos entrega Facebookprophet.
Paso 5.-
5.1
Creamos una copia del data frame del paso 2.
5.2
La columna de precios la pasamos a través de la función coxplox de scipy.
5.3
Entrenamos el modelo de prophet utilizando los changepoints del paso 3.
5.4
Creamos un future data frame con 15 días y este data frame que nos entrega prophet lo pasamos por las funciones creadas en el paso 4, para regresar a los valores originales del precio del BTC y conocer nuestro MAPE error con el comparador de dataframes.
Paso 6.-
Por último creamos una función que genere una gráfica con la información del nuevo data frame donde podamos conocer las predicciones del Bitcoin y nos diga cuál es el precio de compra y precio de venta sugerido, tambíen el máximo posible que puede alcanzar*.
**
- El día de hoy es a partir de que el usuario corre el programa y se guarda el archivo .html con la predicción.
- En la carpeta csv_files se encuentra el archivo historic_data.csv el cuál contiene la información histórica a partir del 1 de enero del 2019 hasta la fecha del último commit realizado a este repositorio.
- El máximo posible se refiere a cada día creado en la predicción.