Aan de slagGa gratis aan de slag

One-step-ahead-voorspellingen genereren

Het is heel moeilijk om aandelenkoersen te voorspellen. In de klassieke economie leren we zelfs dat dit onmogelijk zou moeten zijn door marktwerking.

In deze oefening ga je toch het onmogelijke proberen en de Amazon-aandelenkoers voorspellen.

Je genereert one-step-ahead-voorspellingen voor de koers én de onzekerheid rond die voorspellingen.

Er is al een model voor je gefit op de Amazon-data. Het results-object van dit model is in je omgeving beschikbaar als results.

Deze oefening maakt deel uit van de cursus

ARIMA-modellen in Python

Cursus bekijken

Oefeninstructies

  • Gebruik het results-object om one-step-ahead-voorspellingen te maken over de laatste 30 dagen aan data en sla het resultaat op in one_step_forecast.
  • Sla je gemiddelde voorspellingen op in mean_forecast met een van de attributen van het one_step_forecast-object.
  • Haal de betrouwbaarheidsintervallen van je voorspellingen uit het one_step_forecast-object en sla ze op in confidence_intervals.
  • Print je gemiddelde voorspellingen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Generate predictions
one_step_forecast = results.____(____=___)

# Extract prediction mean
mean_forecast = one_step_forecast.____

# Get confidence intervals of  predictions
confidence_intervals = one_step_forecast.____

# 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(____)
Code bewerken en uitvoeren