Proyecto: Predicción del Valor de la Acción de Mercado Libre con Modelos de Machine Learning
Proyecto Final de Marco Chiappello
Diplomatura en Ciencia de Datos con R y Python
En el mundo financiero, la capacidad de predecir el valor de una acción es una herramienta de enorme valor para inversionistas y asesores. En este contexto, Marco Chiappello —egresado de la diplomatura en Data Science del Instituto Data Science Argentina— desarrolló un proyecto aplicado a la predicción del valor de la acción de Mercado Libre, una de las empresas más representativas del mercado latinoamericano.
Este trabajo combina análisis estadístico, estacionalidad y modelos de aprendizaje automático para ofrecer proyecciones útiles en la toma de decisiones de inversión.
Contexto y objetivo del proyecto
El objetivo principal del proyecto fue predecir el valor futuro de las acciones de Mercado Libre (MELI) con el fin de orientar a los clientes sobre el mejor momento para comprar o vender. Dado que las acciones presentan un comportamiento cíclico influido por factores económicos, políticos y sociales, Marco decidió analizar un periodo de un año, evitando así valores atípicos como los generados durante la pandemia.
Análisis de la serie temporal
Durante el análisis exploratorio, se detectaron patrones estacionales trimestrales vinculados a la publicación de balances corporativos.
- En julio, por ejemplo, suele producirse una bajada en el valor de la acción, posiblemente por resultados menores a los esperados.
- En septiembre, en cambio, se observa una suba significativa, reflejando rendimientos positivos.
- Además, factores coyunturales como las elecciones presidenciales en Argentina generaron un “veranito financiero”, con un aumento sostenido de los precios entre diciembre y febrero.
El estudio de autocorrelación mostró que los valores de la acción mantienen una dependencia temporal de aproximadamente 7 días, lo que ayudó a ajustar los modelos predictivos.
Modelos utilizados para la predicción
Marco comparó tres enfoques diferentes para realizar la predicción del valor de la acción de Mercado Libre:
- Prophet (Meta)
Ideal para series con fuerte estacionalidad y valores atípicos. Sin embargo, los resultados mostraron cierta variabilidad, especialmente en los tramos finales del año. - ARIMA (Autoregressive Integrated Moving Average)
Este modelo estadístico, basado en promedios móviles y regresión temporal, ofreció los mejores resultados.- R²: 0.90, indicando una excelente capacidad de ajuste entre los valores reales y los predichos.
- Redes LSTM (Long Short-Term Memory)
Aunque prometedoras para series temporales, en este caso no lograron un desempeño adecuado, posiblemente por la limitada cantidad de datos o la estacionalidad irregular de la acción.
Resultados de la predicción
El modelo ARIMA se utilizó para proyectar el precio de la acción de Mercado Libre a un mes vista.
- El 28 de marzo, la acción valía USD 1.511.
- El modelo predijo que para el 16 de abril, el valor bajaría a USD 1.433, lo que finalmente se confirmó con un error del 2% respecto al valor real.
Esta predicción permitió:
- A los inversores con acciones: vender en el momento adecuado, logrando una ganancia real del 7%.
- A los compradores: esperar y ahorrar un 5% en su inversión.
En términos financieros, esta rentabilidad equivale a una tasa nominal mensual del 5,55% en dólares, superando incluso al bono de la Reserva Federal (4,5%).
Conclusiones
El proyecto demuestra cómo la Ciencia de Datos aplicada a las finanzas puede ofrecer herramientas concretas para la toma de decisiones de inversión.
La predicción del valor de la acción de Mercado Libre mediante modelos como ARIMA permite a los analistas identificar tendencias, reducir riesgos y optimizar estrategias de compra y venta.
El enfoque de Marco no solo validó la precisión de los modelos estadísticos frente a los más complejos de deep learning, sino que también reafirmó el potencial del análisis de datos para generar impacto real en la economía y en la gestión financiera personal.
LinkedIn de Marco Chiappello: https://www.linkedin.com/in/marcochiappello/
