En el mundo de la Inteligencia Artificial, la predicción de series temporales se ha convertido en una herramienta fundamental para los negocios y las inversiones. Sin embargo, existen condiciones que pueden afectar la precisión de estas predicciones. ¿Qué sucede cuando las acciones de los humanos cambian la data que utilizamos para predecir la tendencia del mercado?
La predicción de series temporales se basa en modelos matemáticos que aprenden de los patrones y tendencias en la data histórica. Estos modelos pueden ser muy precisos, pero también pueden ser influenciados por factores externos que no se encuentran en la data original. Cuando los humanos toman decisiones que cambian la data, los modelos pueden volverse obsoletos o incluso emitir resultados incorrectos.
Un equipo de investigadores de la Universidad de California en Berkeley ha desarrollado un marco práctico para la predicción consciente de acciones en negocios e inversiones. Este marco, conocido como
