生成一步预测
预测股票价格非常困难。经典经济学实际上认为，由于市场出清，这应该是不可能的。
本练习中，您的任务是尝试完成这件几乎不可能的事：预测 Amazon 的股价。
在本练习中，您将为股价生成一步预测，并给出这些预测的不确定性。
我们已经为您拟合好了 Amazon 的数据模型。该模型的结果对象已以 results 的名称提供在您的环境中。
本练习是课程的一部分
Python 中的 ARIMA 模型
练习说明
- 使用
results对象对最近 30 天的数据进行一步预测，并将结果赋给one_step_forecast。 - 使用
one_step_forecast对象的相应属性，将均值预测赋给mean_forecast。 - 从
one_step_forecast对象中提取预测的置信区间，并将其赋给confidence_intervals。 - 打印您的均值预测。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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(____)