1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Machine Learning for Finance in Python
Connected

Cvičení

Předpovědi a první vyhodnocení

Teď, když máme natrénovaný model náhodného lesa (rfr), použijeme ho k získání předpovědí na testovací sadě. Chceme tak vyhodnotit výkonnost modelu – na základní úrovni: dosahuje lepších nebo srovnatelných výsledků než přímý nákup indexu SPY?

Použijeme standardní metodu sklearn .predict(features), pak vynásobíme měsíční výnosy našimi předpovězenými váhami portfolia. Výsledky sečteme pomocí np.sum(), protože každý měsíc obsahuje 3 řádky. Nakonec vykreslíme měsíční výnosy z našich předpovědí spolu s výnosy SPY a porovnáme je.

Pokyny

100 XP
  • Použij metodu .predict() modelu náhodného lesa rfr k získání předpovědí pro train_features i test_features.
  • Vynásob část returns_monthly odpovídající testovací sadě hodnotami test_predictions, aby sis získal/a výnosy předpovědí na testovací sadě.
  • Vykresli returns_monthly pro 'SPY' z testovací sady (vše od train_size do konce dat).