?Datasets per la comparació de moviments i patrons entre els principals índexs borsatils espanyols i les crypto-monedes? Context En aquest cas el context és detectar o preveure els diferents moviments que es produeixen per una serie factors, tant de moviment interns (compra-venda), com externs (moviments polítics, econòmics, etc...), en els principals índexs borsatils espanyols i de les crypto-monedes. Hem seleccionat diferents fonts de dades per generar fitxers ?csv?, guardar diferents valors en el mateix període de temps. és important destacar que ens interessa més les tendències alcistes o baixes, que podem calcular o recuperar en aquests períodes de temps. Content En aquest cas el contingut està format per diferents csv, especialment tenim els fitxers de moviments de cryptomoneda, els quals s’ha generat un fitxer per dia del període de temps estudiat. Pel que fa als moviments del principals índexs borsatils s’ha generat una carpeta per dia del període, en cada directori un fitxer amb cadascun del noms dels índexs. Degut això s’han comprimit aquests últims abans de publicar-los en el directori de ?open data? kaggle.com. Pel que fa als camps, ens interessà detectar els moviments alcistes i baixistes, o almenys aquelles que tenen un patró similar en les cryptomonedes i els índexs. Els camps especialment destacats són: ? Data: Data de la observació ? Nom: Nom empresa o cryptomoneda, per identificar de quina moneda o index estem representant. ? Símbol: Símbol de la moneda o del index borsatil, per realitzar gràfic posteriorment d’una forma mes senzilla que el nom. ? Preu: Valor en euros d’una acció o una cryptomoneda (transformarem la moneda a euros en el cas de estigui en dòlars amb l'última cotització (un dollar a 0,8501 euro) ? Tipus_cotitzacio: Valor nou que agregarem per discretitzar entre la cotització: baix (0 i 1), normal (1 i 100), alt (100 i 1000), molt_alt (>1000) # Script R * Anàlisis de les observacions i el domini de les dades * Anàlisis en especial de Bitcoin i la IOTA. * Test de Levene per veure la homogeneitat * Kmeans per creació de cluster per veure la homegeneitat * Freqüències de les distribucions * Test de contrast d'hipòtesis de variables dependents (Wilcoxon) * Test de Shapiro-Wilk per veure la normalitat de les dades, per normalitzar-les o no * Correlació d'índexs borsatils, per eliminar complexitat dels índexs amb grau més alt de correlació * Iteració de Regressions lineals per obtenir el model amb més qualitat, observa'n el p-valor i l'índex de correlació * Validació de la qualitat del model * Representació grafica Acknowledgements En aquest cas les fonts de dades que s’han utilitzat per a la realització dels datasets corresponent a: - http://www.eleconomista.es - https://coinmarketcap.com Per aquest fet, les dades de borsa i crypto-moneda estan en última instància sota llicència de les webs respectivament. Pel que fa a la terminologia financera podem veure vocabulari en renta4banco. [https://www.r4.com/que-necesitas/formacion/diccionario] Inspiration Hi ha un estudi anterior on poder tenir primícies de com han enfocat els algoritmes: - https://arxiv.org/pdf/1410.1231v1.pdf En aquest cas el ?trading? en cryptomoneda és relativament nou, for?a popular per la seva formulació com a mitja digital d’intercanvi, utilitzant un protocol que garanteix la seguretat, integritat i equilibri del seu estat de compte per mitjà d’un entramat d’agents. La comunitat podrà respondre, entre altres preguntes, a: - Està afectant o hi ha patrons comuns en les cotitzacions de cryptomonedes i el mercat de valors principals del país d'Espanya? - Els efectes o agents externs afecten per igual a les accions o cryptomonedes? - Hi ha relacions cause efecte entre les acciones i cryptomonedes? Project repository https://github.com/acostasg/scraping Datasets Els fitxers csv generats que componen el dataset s’han publicat en el repositori kaggle.com: * https://www.kaggle.com/acostasg/stock-index/ * https://www.kaggle.com/acostasg/crypto-currencies Per una banda, els fitxers els ?stock-index? estan comprimits per carpetes amb la data d’extracció i cada fitxer amb el nom dels índexs borsatil. De forma diferent, les cryptomonedes aquestes estan dividides per fitxer on són totes les monedes amb la data d’extracció.