生成动态预测
现在让我们把目光放得更长远一些，进行动态预测。如果您想预测 Amazon 的股价，不仅是明天，而是下周或下个月，该怎么做？这就是动态预测的用武之地。
回忆视频中提到的要点：长期预测更难精确，因为冲击项会逐步累积。预测越往未来延伸，不确定性越大。对股票数据尤为如此，所以您很可能会发现本练习中的预测不如上一个练习那样精确。
本练习是课程的一部分
Python 中的 ARIMA 模型
练习说明
- 使用
results对象为最近 30 天生成动态预测，并将结果赋给dynamic_forecast。 - 使用
dynamic_forecast对象的属性，将您的预测均值赋给新变量mean_forecast。 - 从
dynamic_forecast对象中提取预测的置信区间，并赋给新变量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
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(____)