具有隐藏功能的股价预测

Question

我的训练数据包含库存价格和40个被掩盖的特征。 这些屏蔽的功能也出现在我的测试数据中。我想预测测试数据中的价格列。我可以将其解决为正常的有监督学习问题，而不能将其视为时间序列问题，因为我有足够的自变量来预测测试数据中的目标变量。

更重要的是，我应该如何解决这个问题。

Answer 1

来自 Facebook 的

FBProphet 库可以满足您的需求。

这是一个基于趋势+季节性+假期+错误

的强大库

这还具有自动更改点趋势检测和异常值检测。

Answer 2

  

此外，我怀疑我拥有的数据是否可以用于时间序列预测。

     

我要附上振动散射图的屏幕截图。

数据看起来很奇怪（对于x轴上的某些值，> 1的值）。为什么要分散？

  

我有压缩机的每日振动数据（大约1500个样本），并希望对其进行另外30天的预报。我尝试过ARIMA，但效果不佳。

实际上，有几种方法可以一次预测n值：

1. 使用模型“预测下一个值”：对下一步进行预测，然后使用它并进行新的预测，依此类推。这里的优势：1个模型。缺点：由于每个步骤都会合并错误，因此错误会快速增长。
2. 使用30个模型预测30个值（提前1步，提前2步）。更好，但是调整可能需要很长时间。如此处的建议，https://github.com/facebook/prophet可能会帮助您。
3. 不同的组合。

顺便说一句，有一个很好的答案：https://stats.stackexchange.com/a/354849/183391

但是首先，检查数据，必要时进行插值（双向），考虑nan（如果有）。如我所见，您必须花更多的时间在数据处理上，而不是模型拟合上。

而且，请不要忘记，有时使用线性回归和其他模型也可以预测时间序列！根据情节的形状，这也是一个好方法！