01

Ventanas temporales y LSTM

De una serie BTC/ETH a una muestra supervisada sin mirar el futuro

Laboratorio 01 / 08 · 20 min

¿Qué ve realmente una LSTM?

Elegí un activo, una ventana y una variable objetivo. La simulación transforma una serie temporal en pares X→y respetando el orden temporal.

Datos sintéticos · sin entrenamiento

Serie y partición temporal

EntrenamientoValidaciónPruebaVentana activa

Deslizá el gráfico horizontalmente para recorrerlo.

Cómo se construye X

Índice temporalPrecio · USDRetorno log · %Rol

Los valores mostrados son datos sintéticos reproducibles, creados para enseñar la mecánica de ventanas. No son una predicción de mercado.

Qué debe aprender el alumno

Una LSTM no recibe “el precio histórico completo”: recibe secuencias de longitud fija. Cambiar la ventana modifica la cantidad de contexto disponible y también la cantidad de muestras utilizables.

Regla metodológica

Se divide por la fecha de y: train [0,153], validation [154,186], test [187,219]. Las ventanas pueden usar historia conocida del tramo anterior. No se aplica escalado en este laboratorio.

Experimentá y explicá

Actividad guiada

1. Compará L=7, 30 y 60 con BTC y t=120. Registrá forma de X y número de muestras train.

Ver orientación de respuesta

Las formas son 7×2, 30×2 y 60×2; train tiene 147, 124 y 94 muestras. La etiqueta t+1 no entra en X.

2. Mové t hasta cruzar validation y test. ¿Puede una ventana usar contexto del tramo anterior?

Ver orientación de respuesta

Sí: se divide por la fecha de la etiqueta. Usar historia conocida es causal; ajustar el escalador con etiquetas o datos futuros no lo es.

Referencias y supuestos

Registrá la configuración, el resultado y tu interpretación.