Proyecto Análisis comparativo de cryptos

Rama similar a la del medio de analisis diario pero con bucle en la formula matematica para que los datos de cada ticker no se interponga usando el group loop start y el loop end

Data Access (Acceso a los Datos)

Se utilizó el nodo List Files/Folders para acceder a una carpeta con 106 archivos CSV, cada uno correspondiente al histórico de precios de una criptomoneda.
Cada CSV contiene las columnas: date, open, high, low y close.

El nodo Table Row to Variable Loop Start permitió leer los archivos uno por uno mediante un bucle, y con CSV Reader se cargaron los datos dentro del flujo.

. Data Cleaning (Limpieza de Datos)

Se aplicó Variable to Table Column para hacer visibles las variables del bucle.
Se limpiaron columnas innecesarias, se estandarizaron los nombres y se ordenaron los datos cronológicamente con Sorter (por ticker y date).
También se revisaron y eliminaron valores faltantes en las fechas o precios de cierre antes de continuar el análisis.

Data Transformation (Transformación de Datos)

Mediante String Manipulation, se extrajo el nombre de cada criptomoneda desde la ruta del archivo (path).
Las fechas se transformaron al formato Date&Time.

Luego se utilizó Group Loop Start/End para procesar cada ticker individualmente.
Dentro del bucle:

-Lag Column generó la columna close(-1) (cierre del día anterior).

-Math Formula calculó el retorno diario real (%) usando la fórmula:

(close−close(-1))/close(-1)×100(\text{close} - \text{close(-1)}) / \text{close(-1)} \times 100(close−close(-1))/close(-1)×100

Este valor representa el cambio porcentual entre el precio de cierre del día actual y el del día anterior, igual que el movimiento de una vela diaria en análisis técnico.

Data Merging (Combinación de Datos)

Se empleó Row Splitter para separar Bitcoin (BTC) de las demás criptomonedas.
Luego, con Column Renamer, se renombró la columna daily_return_% de BTC a btc_return_%.

Con el nodo Joiner, se unieron ambas tablas por la columna date, generando una tabla final con esta estructura:

ticker | date | daily_return_% | btc_return_%

De esta manera, cada fila contiene el rendimiento diario de una criptomoneda y el de BTC en la misma fecha.

Data Aggregation (Agregación de Datos)

Con el nodo GroupBy agrupando por ticker, se calculó la correlación de Pearson entre daily_return_% y btc_return_%.
Este valor representa el grado de sincronía diaria entre los movimientos de cada criptomoneda y Bitcoin.

- -Valores cercanos a +1 → se mueven casi igual que BTC.

--Valores cercanos a 0 → movimientos independientes.

--Valores negativos → se mueven en direcciones opuestas.

Data Visualization (Visualización de Datos)

Se utilizaron los nodos Bar Chart (JavaScript) y Line Plot para visualizar los resultados:

-Bar Chart: muestra la correlación diaria de cada criptomoneda con BTC, con valores entre −1 y +1.

-Line Plot: permite comparar la evolución diaria de los retornos entre BTC y otra cripto (por ejemplo LTC) a lo largo del tiempo.

Estas visualizaciones permiten observar tanto la fuerza de la relación como los posibles desfases entre movimientos.

RAMAS CON ANALISIS PREDICTIVO MENSUAL % BRUTO Y % CON VALOR MEDIA MENSUAL