Generování dynamických předpovědí

Pojďme se teď podívat trochu dál do budoucnosti – na dynamické předpovědi. Co kdybys chtěl/a předpovědět cenu akcií Amazonu nejen na zítřek, ale třeba na příští týden nebo celý měsíc? Právě k tomu slouží dynamické předpovědi.

Z videa víš, že přesné dlouhodobé předpovědi jsou obtížnější, protože se postupně sčítají chybové složky. Čím dál do budoucnosti jdeme, tím větší je nejistota. U burzovních dat to platí dvojnásob – výsledky z tohoto cvičení tak pravděpodobně nebudou tak přesné jako v tom předchozím.

Toto cvičení je součástí kurzu

ARIMA modely v Pythonu

Zobrazit kurz

Pokyny k cvičení

Pomocí objektu results vytvoř dynamickou předpověď pro posledních 30 dní a výsledek přiřaď do proměnné dynamic_forecast.
Průměrné předpovědi přiřaď do nové proměnné mean_forecast – využij k tomu příslušný atribut objektu dynamic_forecast.
Z objektu dynamic_forecast extrahuj konfidenční intervaly předpovědí a ulož je do nové proměnné confidence_intervals.
Vypiš průměrné předpovědi.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Generate predictions
dynamic_forecast = results.______(____=___, ____=____)

# Extract prediction mean
mean_forecast = ____.____

# Get confidence intervals of predictions
confidence_intervals = ____.____

# Select lower and upper confidence limits
lower_limits = confidence_intervals.loc[:,'lower close']
upper_limits = confidence_intervals.loc[:,'upper close']

# Print best estimate predictions
print(____)

Upravit a spustit kód