1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w finansach z Pythonem
Connected

ćwiczenie

Pobierz prognozy i przeprowadź wstępną ocenę

Mamy już wytrenowany model lasu losowego (rfr) – teraz użyjemy go do uzyskania prognoz na zbiorze testowym. Dzięki temu ocenimy, jak dobrze radzi sobie model: czy jego wyniki są porównywalne z wynikami indeksu SPY, a może nawet je przewyższają?

Skorzystamy z typowej metody sklearn .predict(features), a następnie przemnożymy miesięczne zwroty przez prognozy portfela. Zsumujemy je za pomocą np.sum(), ponieważ dla każdego miesiąca mamy po 3 wiersze. Na koniec wykreślimy miesięczne zwroty z naszych prognoz oraz zwroty SPY i porównamy oba wyniki.

Instrukcje

100 XP
  • Użyj metody .predict() modelu lasu losowego rfr, aby uzyskać prognozy dla train_features i test_features.
  • Przemnóż część returns_monthly odpowiadającą zbiorowi testowemu przez test_predictions, aby obliczyć zwroty z prognoz dla zbioru testowego.
  • Wykreśl returns_monthly dla 'SPY' ze zbioru testowego (wszystko od train_size do końca danych).