Aan de slagGa gratis aan de slag

Dynamische voorspellingen genereren

Laten we nu een stukje verder de toekomst in gaan, naar dynamische voorspellingen. Wat als je de Amazon-aandelenkoers niet alleen voor morgen wilt voorspellen, maar voor volgende week of volgende maand? Daarvoor gebruik je dynamische voorspellingen.

Onthoud uit de video dat het lastiger is om nauwkeurige langetermijnvoorspellingen te maken omdat de schoktermen zich opstapelen. Hoe verder je in de toekomst voorspelt, hoe onzekerder het wordt. Dit geldt zeker voor aandelenkoersen, dus je zult waarschijnlijk merken dat je voorspellingen in deze oefening minder precies zijn dan in de vorige oefening.

Deze oefening maakt deel uit van de cursus

ARIMA-modellen in Python

Cursus bekijken

Oefeninstructies

  • Gebruik het object results om dynamische voorspellingen te maken voor de laatste 30 dagen en ken het resultaat toe aan dynamic_forecast.
  • Ken je voorspellingen toe aan een nieuwe variabele mean_forecast met behulp van een van de attributen van het object dynamic_forecast.
  • Haal de betrouwbaarheidsintervallen van je voorspellingen uit het object dynamic_forecast en ken ze toe aan een nieuwe variabele confidence_intervals.
  • Print je gemiddelde voorspellingen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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(____)
Code bewerken en uitvoeren