[PYTHON] Prédire la transition de prix de Bitcoin avec Prophet
Poursuivant de "Play with Prophet", j'ai essayé de prédire la transition du prix du bit coin.
Datasets
- From: 2017-05-27
- To: 2017-09-08
«Il semble que la tendance récente soit à la hausse. «La tendance hebdomadaire semble être« acheter le mardi et vendre le dimanche ».
Ça sent la poussière, alors je vais l'étudier un peu plus.
Vérification des performances
- Données de formation: 2017-05-27 ~ 2017-08-31 --Données de vérification: 2017-09-01 ~ 2017-09-08
Vérifions les performances avec SMAPE [^ 1].
――La tendance des changements hebdomadaires simplement en changeant un peu la période. Qu'Est-ce que c'est? ??
Lorsque changepoint_prior_scale = 0,05 (par défaut)
y_true = forecast["y"].values
y_pred = forecast["yhat"].values
print "FORECAST SMAPE: %.3f" % smape(y_true, y_pred)
# FORECAST SMAPE: 4.238
Lorsque changepoint_prior_scale = 0,01
y_true = forecast["y"].values
y_pred = forecast["yhat"].values
print "FORECAST SMAPE: %.3f" % smape(y_true, y_pred)
# FORECAST SMAPE: 4.197
Un peu mieux que la valeur par défaut
Valeur médiane pendant la période de validation des données (référence)
y_median = np.asarray([np.median(y_true)] * len(y_true))
print "MEDIAN SMAPE: %.3f" % smape(y_true, y_median)
# MEDIAN SMAPE: 2.922
Je ne connais pas la valeur médiane des données futures, mais je la donnerai à titre indicatif. Les performances sont meilleures lors de l'utilisation de la valeur médiane, il semble donc que la prédiction doit être améliorée.
Résumé
- Prédire les changements de prix Bitcoin à l'aide de Prophet
- La tendance hebdomadaire semble peu fiable car elle change avec de légères fluctuations sur une période de temps.
- Y a-t-il une amélioration en trouvant les paramètres optimaux pour changepoint_prior_scale?
References
Recommended Posts