Desarrollo de un modelo predictivo integrado en un producto software para el sector financiero

Abstract

[ES] Siempre se ha dicho que “la información es poder” y en el mundo de los negocios aún más. Cada rastro que dejamos en internet es recogido por cientos de empresas y posteriormente vendido. Pero, ¿De qué sirve toda esta información si no es adecuadamente procesada? Actualmente, gracias al progreso y abaratamiento en la infraestructura de comunicación y procesamiento de la información es posible trabajar con grandes volúmenes de datos usando Inteligencia Artificial, lo cual ofrece importantes oportunidades en el ámbito del apoyo a la toma de decisiones. Así pues, cada vez es más frecuente que en productos software se incluyan ciertas funcionalidades que están soportadas por técnicas y algoritmos del área de Machine Learning. Para los ingenieros de software esto representa un nuevo reto pues conlleva tener cierto conocimiento de librerías y técnicas específicas de dicha área y poder entender y comunicarse con los expertos (científicos de datos) que elaboran los modelos sobre los que se sustentan dichas funcionalidades. El objetivo de este TFG es desarrollar un prototipo de herramienta de apoyo a la toma de decisiones asociadas a inversión de capital. Con ella, el inversor podrá obtener una predicción sobre el fondo que le interesa para un tiempo futuro. Esta funcionalidad estará alojada en una aplicación web para que los usuarios puedan acceder desde internet. Durante el desarrollo del TFG se prestará especial atención a los desafíos o situaciones a las que se enfrenta un ingeniero de software al trabajar con técnicas de Machine Learning, específicamente en la construcción y aplicación de modelos predictivos. Necesitaremos tener toda nuestra información recopilada, codificada y ordenada. Para ello los datos que sean utilizados serán almacenados en una base de datos relacional MySQL usando el alojamiento en la nube que nos proporciona Amazon Web Services. El prototipo estará basado en la librería del modelo estadístico Holt Winters de Python versión 3.7.0, la web será creada mediante la librería Flask y el código se ejecutará en el entorno virtual de Google Colab.

[EN] It has always been said that "information is power" and in the business world even more so. Every trace that we leave on the internet is collected by hundreds of companies and later sold. But, what good is all this information if it is not properly processed? Currently, thanks to progress and cheaper information processing and communication infrastructure, it is possible to work with large volumes of data using Artificial Intelligence, which offers important opportunities in the field of decision-making support. Thus, it is increasingly common for software products to include certain functionalities that are supported by techniques and algorithms from the Machine Learning area. For software engineers this represents a new challenge as it entails having a certain knowledge of libraries and specific techniques in this area and being able to understand and communicate with the experts (data scientists) who develop the models on which these functionalities are based. The objective of this TFG is to develop a prototype of a decision support tool associated with capital investment. With it, the investor will be able to obtain a prediction on the fund that interests him for a future time. This functionality will be hosted in a web application so that users can access it from the internet. During the development of the TFG, special attention will be paid to the challenges or situations that a software engineer faces when working with Machine Learning techniques, specifically in the construction and application of predictive models. We will need to have all of our information collected, encoded and ordered. For this, the data that is used will be stored in a relational MySQL database using the cloud hosting provided by Amazon Web Services. The prototype will be based on the Holt Winters statistical model library in Python version 3.7.0, the web will be created using the Flask library and the code will be executed in the virtual environment of Google Colab.

[CA] Sempre s'ha dit que "la informació és poder" i en el món dels negocis encara més. Cada rastre que deixem a internet és recollit per centenars d'empreses i posteriorment venut. Però, de què serveix tota aquesta informació si no és adequadament processada? Actualment, gràcies a el progrés i abaratiment en la infraestructura de comunicació i processament de la informació és possible treballar amb grans volums de dades utilitzant Intel·ligència Artificial, la qual cosa ofereix importants oportunitats en l'àmbit de suport a la presa de decisions. Així doncs, cada vegada és més freqüent que en productes software s'incloguin certes funcionalitats que estan suportades per tècniques i algoritmes de l'àrea de Machine Learning. Per als enginyers de software això representa un nou repte ja que comporta tenir cert coneixement de llibreries i tècniques específiques d'aquesta àrea i poder entendre i comunicar-se amb els experts (científics de dades) que elaboren els models sobre els quals se sustenten aquestes funcionalitats. L'objectiu d'aquest TFG és desenvolupar un prototip d'eina de suport a la presa de decisions associades a inversió de capital. Amb ella, l'inversor podrà obtenir una predicció sobre el fons que li interessa per a un temps futur. Aquesta funcionalitat estarà allotjada en una aplicació web perquè els usuaris puguin accedir des d'internet. Durant el desenvolupament de l'TFG es prestarà especial atenció als desafiaments o situacions a què s'enfronta un enginyer de programari a l'treballar amb tècniques de Machine Learning, específicament en la construcció i aplicació de models predictius. Ens caldrà tenir tota la nostra informació recopilada, codificada i ordenada. Per això les dades que siguin utilitzats seran emmagatzemats en una base de dades relacional MySQL usant l'allotjament en el núvol que ens proporciona Amazon Web Services. El prototip estarà basat en la llibreria de el model estadístic Holt Winters de Python versió 3.7.0, la web serà creada mitjançant la llibreria Flask i el codi s'executarà en l'entorn virtual de Google Col·lab.