Прогнозирование цен на акции — сложная задача, которая увлекает как трейдеров, аналитиков, так и специалистов по обработке данных. Используя модели машинного обучения, можно анализировать исторические данные и делать прогнозы относительно будущих движений цен. В этом уроке мы будем использовать алгоритм случайного леса для прогнозирования цен акций на несколько дней вперед. Случайный лес — это популярный метод ансамблевого обучения, который использует несколько деревьев решений для прогнозирования. Мы будем использовать технические индикаторы и функции задержки вместе с yfinanceдля получения данных для нашего анализа.

Шаг 1. Импортируйте библиотеки и установите пакеты

Мы импортируем необходимые библиотеки и пакеты, необходимые для нашей модели прогнозирования цен на акции.

  • yfinance (финансовая библиотека Yahoo): yfinance позволяет нам получать исторические рыночные данные из Yahoo Finance. Он обеспечивает простой способ доступа к различным финансовым показателям и историческим данным о ценах.
  • scikit-learn (Библиотека машинного обучения): scikit-learn — это библиотека машинного обучения, предоставляющая инструменты для интеллектуального анализа данных, анализа данных и моделирования. В этом проекте он используется для разделения данных, создания и оценки модели.
  • matplotlib (библиотека построения графиков): matplotlib используется для создания визуализаций, таких как графики и графики. Это помогает нам визуально сравнить фактические и прогнозируемые значения на шаге 7.

При необходимости используйте pip installдля установки необходимых библиотек, например:

pip install yfinance

Шаг 2: Сбор данных

Мы используем класс Ticker yfinance для получения исторических данных по данной акции (в данном случае Visa) за максимальный период.

Шаг 3: Разработка функций