TAREA - Data Preprocessing and Supervised Learning

---

Contexto y enfoque

El dataset principal es navs.pickle, complementado con factores Fama-French que se descargan durante el flujo de trabajo.

La lógica del proyecto separa claramente:

1. Estructura de datos (qué variables y objetos existen)
2. Alineación temporal (consistencia cronológica)
3. Persistencia (versionado y reutilización del dato)

Esta separación mejora la trazabilidad y evita mezclar limpieza avanzada con decisiones de alineación temporal.

---

Objetivo y tesis financiera

Hipótesis

Asia tendrá mejor comportamiento relativo frente a otras regiones.

Objetivo principal

Construir un fondo de fondos con sesgo Asia, con una cartera robusta, interpretable y metodológicamente consistente.

Restricciones de inversión

• Asignación objetivo: 70% Asia / 30% diversificación
• Límite por fondo: 5%
• Aplicación de filtros mínimos de calidad

---

Datos y reproducibilidad

Importante: por limitaciones de tamaño, el archivo navs.pickle no está incluido en el repositorio ni embebido en el notebook.

Sin este archivo, no es posible re-ejecutar el pipeline completo desde cero.
Para reproducir localmente, debes añadir navs.pickle en la ruta esperada por el notebook.

---

Flujo general del trabajo

1. Carga de NAVs desde navs.pickle
2. Descarga e integración de factores Fama-French
3. Estandarización de fechas y orden cronológico
4. Unificación del universo en formato diario largo
5. Controles de calidad y tratamiento de faltantes
6. Modelado supervisado (regresión y variantes)
7. Evaluación de resultados y análisis financiero

---

Estructura sugerida del repositorio

. ├── FONDO.ipynb ├── README.md ├── data/ │ └── daily_universe/ └── DOCS_CLASE/ └── MachineLearning/ └── dataset/ └── navs.pickle # (no versionado)