Κερδίστε γρήγορα χρήματα σε κρυπτονομίσματα χρησιμοποιώντας Python

FΗ ομάδα επιστήμης δεδομένων Β το είδε να πλησιάζει την εποχή των δεδομένων. Δημιούργησαν τον Προφήτη τους για να προβλέπουν δεδομένα. Αν και η χρήση του δεν περιορίζεται σε αποθέματα, είναι ένα εύχρηστο εργαλείο για όποιον προσπαθεί να κατανοήσει τους αριθμούς και την κίνηση. Σύμφωνα με αυτούς, ο Προφήτης έγινε για να:
διευκολύνουν τους ειδικούς και τους μη ειδικούς να κάνουν προβλέψεις υψηλής ποιότητας που συμβαδίζουν με τη ζήτηση

Εκεί που ο Προφήτης αστράφτει

Δεν μπορούν να επιλυθούν όλα τα καθοριστικά ζητήματα με παρόμοια τεχνική. Ο Προφήτης έχει βελτιωθεί για τις εργασίες εκτίμησης επιχειρήσεων που έχουμε βιώσει στο Facebook, οι οποίες συνήθως έχουν οποιοδήποτε από τα συνοδευτικά χαρακτηριστικά:

• ωριαίες, καθημερινές ή κάθε εβδομάδα αντιλήψεις με περίπου μερικούς μήνες (ιδανικά μια εκτεταμένη περίοδο) ιστορίας
• Στερεές διαφορετικές εποχικές «ανθρώπινη κλίμακα»: ημέρα της εβδομάδας και εποχή
• σημαντικές περιπτώσεις που συμβαίνουν σε σποραδικές εκτάσεις που είναι γνωστές εκ των προτέρων (π.χ. το Super Bowl)
• ένας λογικός αριθμός αντιλήψεων που λείπουν ή τεράστιες ανωμαλίες
• καταγεγραμμένες αλλαγές μοτίβων, για παράδειγμα, λόγω αποστολών στοιχείων ή αλλαγών καταγραφής
• μοτίβα που είναι μη άμεσες στροφές ανάπτυξης, όπου ένα μοτίβο φτάνει σε ένα χαρακτηριστικό σημείο αποκοπής ή βυθίζεται

Πώς λειτουργεί ο Προφήτης

Στο επίκεντρό της, η μεθοδολογία του Προφήτη είναι ένα μοντέλο υποτροπής προστιθέμενης ουσίας με τέσσερα κύρια μέρη:

• Ένα τμηματικά άμεσο ή υπολογισμένο σχέδιο κάμψης ανάπτυξης. Ο Προφήτης επομένως διακρίνει τις αλλαγές στα μοτίβα επιλέγοντας σημεία αλλαγής από τις πληροφορίες.
• Ένα ετήσιο περιστασιακό μέρος που εμφανίζεται χρησιμοποιώντας τη σειρά Fourier.
• Μια βδομάδα με τη βδομάδα περιστασιακό μέρος που χρησιμοποιεί ψευδείς παράγοντες.
• Ένας πελάτης έδωσε μια σύνοψη σημαντικών περιστάσεων.

y(t) = g(t) + s(t) + h(t) + ϵ

• Το G (t) μοντελοποιεί ένα μοτίβο, το οποίο απεικονίζει μια τραβηγμένη αύξηση ή μείωση της πληροφορίας. Ο Προφήτης ενώνει δύο μοντέλα προτύπων, ένα εμβαπτιζόμενο μοντέλο ανάπτυξης και ένα αποσπασματικό άμεσο μοντέλο, ανάλογα με το είδος του προβλεπόμενου ζητήματος.
• Το s(t) μοντελοποιεί την παρατυπία με τη σειρά Fourier, η οποία απεικονίζει τον τρόπο με τον οποίο επηρεάζονται οι πληροφορίες μέσω περιστασιακών παραγόντων όπως η εποχή (π.χ. περισσότερες αναζητήσεις για αυγολέμονο κατά τις πιο κρύες περιστάσεις του χρόνου)
• Το h(t) μοντελοποιεί τις επιπτώσεις περιστάσεων ή τεράστιων περιστάσεων που επηρεάζουν τις επιχειρηματικές χρονοσειρές ϵ. αναφέρεται σε έναν τελευταίο όρο λάθους

Ρύθμιση

Ξεκινήστε εισάγοντας όλες τις απαραίτητες βιβλιοθήκες. Αν δεν έχετε ήδη εγκαταστήσει το Prophet, μπορείτε εύκολα να το εγκαταστήσετε με pip.

pip εγκατάσταση fbprophet

Εάν λαμβάνετε το ακόλουθο σφάλμα κατά τη χρήση του Jupiter

Χρήση εντολής

conda install -c conda-forge fbprophet

εισαγωγή json
ημερομηνία εισαγωγήςεισαγωγή numpy ως np
από το fbprophet import Prophet
εισαγάγετε panda ως pd
αιτήσεις εισαγωγής
εισαγωγή import_ipynb
εισαγωγή προ ως προεπεξεργασία
εισαγωγή matplotlib.pyplot ως pltαπό fbprophet.plot εισαγωγή plot_cross_validation_metric
εισαγωγή μαθηματικών
τελικό σημείο = 'https://min-api.cryptocompare.com/data/histoday'
res = requests.get(τελικό σημείο + '?fsym=USDT&tsym=CAD&limit=500')hist = pd.DataFrame(json.loads(res.content)['Data'])
hist = hist.set_index('time')
hist.index = pd.to_datetime(hist.index, unit='s')target_col = 'κλείσιμο'hist.head(5)
hist['y']=(hist['high']+hist['low'])/2
hist['ds']=hist.indexμοντέλο = Προφήτης()
model.fit(hist);future = model.make_future_dataframe(periods=30)
#πρόβλεψη για 1 χρόνο από τώρα.forecast = model.predict(future)figure=model.plot(forecast)
fig2 = model.plot_components(forecast)

Εδώ η τάση αντιπροσωπεύει τη συνολική τάση της μετοχής. Το Weekly αντιπροσωπεύει την κυκλική φύση με εβδομαδιαίο τρόπο και η ετήσια μας λέει την κυκλική φύση σε ένα έτος. Το Σχήμα 2 χρησιμοποιείται για τη διάσπαση της εξόδου στα βασικά στοιχεία του.

Αυτό είναι!

Χρησιμοποιήστε αυτό το τέχνασμα για να προβλέψετε και να κερδίσετε κέρδη.

Βρήκατε αυτό το άρθρο χρήσιμο; Ακολούθησέ με (Ραχούλα Ρατζ) στο Medium και ρίξτε μια ματιά στα πιο δημοφιλή άρθρα μου παρακάτω! Παρακαλώ 👏 αυτό το άρθρο για να το μοιραστείτε!

_________________________________________________________________________________

Ανοιχτό σε συνεργασία
Επικοινωνήστε μαζί μου στο rahular2020@iimbg.ac.in.

_________________________________________________________________________________

Πηγή: https://medium.datadriveninvestor.com/make-quick-money-in-cryptocurrency-using-python-79d661360d7d?source=rss——cryptocurrency-5