Obține predicții și prima evaluare

Acum că avem un model de pădure aleatorie antrenat (rfr), vrem să îl folosim pentru a genera predicții pe setul de testare. Facem asta pentru a evalua performanța modelului – la nivel de bază, se descurcă la fel de bine sau mai bine decât simpla cumpărare a indicelui SPY?

Vom folosi metoda standard sklearn .predict(features), apoi vom înmulți randamentele lunare cu predicțiile portofoliului nostru. Le adunăm cu np.sum(), deoarece vom avea 3 rânduri pentru fiecare lună. Apoi reprezentăm grafic atât randamentele lunare din predicțiile noastre, cât și cele ale SPY, și le comparăm.

Acest exercițiu face parte din cursul

Machine Learning pentru finanțe în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește metoda .predict() a modelului de pădure aleatorie rfr pentru a genera predicții pe train_features și test_features.
Înmulțește porțiunea din returns_monthly corespunzătoare setului de testare cu test_predictions pentru a obține randamentele predicțiilor pe setul de testare.
Reprezentează grafic returns_monthly pentru 'SPY' din setul de testare (tot ce urmează de la train_size până la sfârșitul datelor).

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Get predictions from model on train and test
train_predictions = rfr.predict(train_features)
test_predictions = ____

# Calculate and plot returns from our RF predictions and the SPY returns
test_returns = np.sum(returns_monthly.iloc[train_size:] * ____, axis=1)
plt.plot(test_returns, label='algo')
plt.plot(returns_monthly['SPY'].iloc[____], label='SPY')
plt.legend()
plt.show()

Editează și rulează codul