> Nota
>
> *Para facilitarte el recorrido por el proyecto, sería bueno que conocieras los siguientes temas*:
>
> - [Conceptos básicos de Python](https://codefinity.com/courses/2f60173b-9829-4c84-8548-85bf65183f71);
>
> - [Introducción a pandas
](https://codefinity.com/courses/a43d24b6-df61-4e11-9c90-5b36552b3437);
>
> - [Intermediate pandas](https://codefinity.com/courses/4bf24830-59ba-4418-969b-aaf8117d522e);
>
> - [Visualización en Python con matplotlib](https://codefinity.com/courses/ed80401e-2684-4bc4-a077-99d13a386ac7);
>
> - La biblioteca `prophet`.
>
> >P.D. Incluso sin conocimiento de estos temas, puedes completar el proyecto*.



El mercado bursátil es un paisaje complejo y en constante cambio por el que puede resultar difícil navegar. En este proyecto de análisis, profundizaremos en el rendimiento de una acción o grupo de acciones específico para comprender mejor los factores que impulsan su rendimiento. Examinaremos datos históricos como los precios de las acciones, el volumen de negociación y los estados financieros, así como factores externos como las condiciones económicas y las tendencias del sector.

Mediante el análisis de estos datos, esperamos obtener información valiosa que nos ayude a tomar decisiones de inversión y a hacer predicciones más fundadas sobre las tendencias futuras del mercado.

En este cuaderno analizaremos datos de valores tecnológicos como Apple, Amazon, Google y Microsoft. Utilizaremos `yfinance` para recuperar información sobre acciones y la visualizaremos utilizando `seaborn` y `matplotlib`. Examinaremos métodos para evaluar el riesgo de una acción basándonos en el rendimiento pasado y utilizaremos un método LSTM para predecir los precios futuros de las acciones.

¡Vamos a empezar!

En este proyecto, vamos a predecir los precios de las acciones utilizando modelos ML.