Keressen gyorsan pénzt kriptovalutában a Python használatával

FA B adattudományi csapat látta, hogy közeledik az adatok korszaka. Létrehozták Prófétájukat az adatok előrejelzésére. Noha használata nem korlátozódik a részvényekre, praktikus eszköz bárki számára, aki megpróbálja megérteni a számokat és a mozgást. Ezek szerint a Próféta azért készült, hogy:
megkönnyíti a szakértők és nem szakértők számára, hogy jó minőségű előrejelzéseket készítsenek, amelyek lépést tartanak az igényekkel

Ahol próféta csillog

Nem mindent meghatározó kérdéseket lehet hasonló technikával megoldani. A Prófétát továbbfejlesztették a Facebooknál tapasztalt üzleti becslési feladatokhoz, amelyek általában rendelkeznek a következő jellemzőkkel:

• óránkénti, mindennapi vagy hétről hétre való felfogás, valahol pár hónapos (ideális esetben hosszabb időszak) történelemmel
• szilárd különböző „emberi léptékű” szezonalitások: a hét napja és évszaka
• jelentős alkalmak, amelyek szórványos szakaszokon történnek, amelyek előre ismertek (pl. a Super Bowl)
• ésszerű számú hiányzó észlelés vagy hatalmas anomália
• rögzített mintaváltozások, például cikkeladások vagy naplózási változások miatt
• olyan minták, amelyek nem közvetlen fejlesztési hajlítások, ahol a minta eléri a jellegzetes levágást vagy elmerül

Hogyan működik a próféta

Középpontjában a próféta módszertan egy hozzáadott szubsztancia-relapszus modell, amely négy fő részből áll:

• Egy darabonkénti közvetlen vagy számított fejlesztési hajlítási minta. A Próféta következésképpen megkülönbözteti a minták változásait azáltal, hogy változási pontokat választ az információból.
• Évente alkalmi rész a Fourier-sorozat felhasználásával.
• Hetről hétre alkalmi rész álfaktorok felhasználásával.
• Egy ügyfél fontos alkalmakról mesélt.

y(t) = g(t) + s(t) + h(t) + ϵ

• G (t) modellez egy mintát, amely az információ elhúzódó növekedését vagy csökkenését ábrázolja. A Próféta két mintamodellhez csatlakozik, egy magával ragadó fejlesztési modellhez és egy darabonkénti közvetlen modellhez, amely egyfajta előrelátó probléma függvénye.
• Az s(t) a szabálytalanságot a Fourier-sorral modellezi, amely azt mutatja be, hogyan befolyásolják az információt olyan alkalmi tényezők, mint az évszak (pl. az év hidegebb időszakaiban többször keresik a tojáslikőrt)
• h(t) modellezi a ϵ üzleti idősort befolyásoló alkalmak vagy hatalmas események hatásait. egy utolsó téves kifejezésre vonatkozik

felépítés

Kezdje az összes szükséges könyvtár importálásával. Ha még nincs telepítve a Prophet, egyszerűen telepítheti a pip segítségével.

pip install fbprophet

Ha a következő hibaüzenetet kapja a Jupiter használata közben

Használja a parancsot

conda install -c conda-forge fbprophet

json importálása
importálás idejeimportálja a numpy-t np-ként
fbprophet import Prophet
import pandák, mint pd
importkérések
import_ipynb
előre importálás előfeldolgozásként
importálja a matplotlib.pyplot fájlt plt-kéntinnen: fbprophet.plot import plot_cross_validation_metric
import matematika
végpont = 'https://min-api.cryptocompare.com/data/histoday'
res = requests.get(végpont + '?fsym=USDT&tsym=CAD&limit=500')hist = pd.DataFrame(json.loads(res.content)['Adatok'])
hiszt = hiszt.set_index('time')
hist.index = pd.to_datetime(hist.index, unit='s')target_col = 'bezárás'hist.head(5)
hiszt['y']=(hist['magas']+hist['alacsony'])/2
hiszt['ds']=hist.indexmodell = Prophet()
model.fit(hist);jövő = model.make_future_dataframe(periods=30)
#előrejelzés 1 év múlva.előrejelzés = model.predict(future)ábra=modell.plot(előrejelzés)
ábra 2 = model.plot_components(előrejelzés)

Itt a trend a részvény általános trendjét jelenti. A Weekly heti rendszerességgel ábrázolja a ciklikus természetet, és évente egy év ciklikusságát mutatja be. A 2. ábra a kimenet fő összetevőire bontására szolgál.

Ez az!

Használja ezt a trükköt a nyereség előrejelzésére és keresésére.

Hasznosnak találta ezt a cikket? Kövess engem (Rahula Raj) a Közepes oldalon, és tekintse meg lentebb a legnépszerűbb cikkeimet! Kérlek 👏 ezt a cikket oszd meg!

_____________________________________________________________________________________________

Nyitott az együttműködésre
Lépjen kapcsolatba velem a rahular2020@iimbg.ac.in címen.

_____________________________________________________________________________________________

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