Это общий обзор и прогноз цены акций Block Inc. (ранее Square Inc.), биржевой тикер SQ.
Block, Inc. (SQ) стала публичной в ноябре 2015 года. Для этого проекта я буду использовать период времени в год до последней торговой сессии 4 августа 2023 года. Исторические данные о ценах за последний год показывают ценовой диапазон. примерно от 50 до 90 долларов. На прошлой сессии на эту акцию оказывалось сильное давление, и она закрылась с резким падением $63,52–10,03 (-13,64%) 16:00 04.08.23.
Цель этого проекта — дать краткий обзор и перспективу цены акций с использованием базового алгоритма прогнозирования, написанного на Python, который потенциально может быть разработан для более всестороннего анализа, а также поэкспериментировать с функциональностью ChatGPT для создания код для такого проекта.
Начните со сбора данных и представления данных
Источник данных: Исторические данные Block, Inc. (SQ) от Yahoo Finance.
Импорт библиотек: Numpy, Pandas, Scikit-learn, Matplotlib и Seaborn.
Подготовьте данные
Исторические данные о ценах на акции находятся в файле CSV. Загрузите его в pandas DataFrame.
Исследование данных
Приведенная ниже информация показывает, что мы используем данные о ценах с 4 августа 2022 г. по 4 августа 2023 г. Нет недостающих данных, данные распределены по 6 столбцам.
Фрагмент заголовка данных ниже показывает содержимое электронной таблицы. Дата, цена открытия, максимум и минимум, а также цена закрытия, которые будут использоваться в качестве основных данных для прогноза. Также представлена скорректированная информация о цене закрытия и объеме сделок.
Визуализация исторических ценовых данных
Показать исторические данные о ценах, используя фреймворки Matplolib и Seaborn.
Разработка функций
Цена «Закрыть» — это функция для прогнозирования будущих цен «Закрытия».
Подготовьте функции и цель.
Построить модель линейной регрессии
Я буду использовать известный метод модели прогнозирования — линейную регрессию. Модель линейной регрессии предназначена для прогнозирования цены акций на основе ее исторических данных. Сначала мы должны разделить данные на наборы для обучения и тестирования, а затем применить модель.
Сделайте прогноз и оцените модель
Среднеквадратическая ошибка говорит о том, насколько точна модель для прогнозирования данных. Чем меньше среднеквадратическая ошибка, тем точнее модель.
Сделать прогноз на будущее
Мы будем использовать последнюю доступную цену закрытия, чтобы сделать прогноз и спрогнозировать будущие цены на акции. Последняя цена в наборе данных датирована 4 августа 2023 года.
Цель этого проекта — показать алгоритм машинного обучения, который можно использовать для прогнозирования курса акций, части кода были созданы с помощью ChatGPT. Для тех, кто хочет использовать такой подход для прогнозирования цен, я бы предложил использовать более полные модели с большим количеством данных и индикаторов.
