Guadagna velocemente in criptovaluta usando Python

FIl team di data science di B ha visto l'avvicinarsi dell'era dei dati. Hanno creato il loro Profeta per prevedere i dati. Sebbene il suo utilizzo non sia limitato alle azioni, è uno strumento utile per chiunque cerchi di comprendere numeri e movimenti. Secondo loro, il Profeta è stato creato per:
rendere più semplice per esperti e non esperti effettuare previsioni di alta qualità che tengano il passo con la domanda

Dove il Profeta brilla

Non è possibile risolvere le questioni determinanti con una tecnica simile. Il Profeta è stato migliorato per gli incarichi di stime aziendali che abbiamo riscontrato su Facebook, che comunemente hanno uno qualsiasi degli attributi associati:

• percezioni orarie, giornaliere o settimanali con una cronologia di circa un paio di mesi (idealmente un periodo esteso)
• solide diverse stagionalità “a misura d’uomo”: giorno della settimana e stagione
• occasioni significative che accadono in momenti sporadici noti in anticipo (ad esempio, il Super Bowl)
• un numero ragionevole di percezioni mancanti o di enormi anomalie
• modifiche dei modelli registrati, ad esempio, a causa della spedizione di articoli o di modifiche alla registrazione
• modelli che sono curve a sviluppo non diretto, dove un modello raggiunge un limite caratteristico o si immerge

Come funziona il Profeta

Al centro, la metodologia Prophet è un modello di ricaduta con sostanza aggiunta con quattro parti principali:

• Uno schema di piegatura a sviluppo diretto o calcolato a tratti. Prophet di conseguenza distingue i cambiamenti nei modelli scegliendo i punti di cambiamento dalle informazioni.
• Una parte occasionale annuale visualizzata utilizzando la serie di Fourier.
• Una parte occasionale settimana per settimana che utilizza fattori fittizi.
• Un cliente ha fornito una carrellata di eventi significativi.

y(t) = g(t) + s(t) + h(t) + ϵ

• G (t) modella un modello, che ritrae un aumento o una diminuzione prolungati delle informazioni. Prophet unisce due modelli di modello, un modello di sviluppo immersivo e un modello diretto a tratti, a seconda del tipo di problema anticipato.
• s(t) modella l'irregolarità con la serie di Fourier, che descrive come le informazioni sono influenzate da fattori occasionali come la stagione (ad esempio, più cerca lo zabaione durante i periodi più freddi dell'anno)
• h(t) modella gli impatti di eventi o grandi eventi che influenzano le serie temporali aziendali ϵ. affronta un ultimo termine errato

Impostare

Inizia importando tutte le librerie necessarie. Se non hai già installato Prophet, puoi installarlo facilmente con pip.

pip installa fbprophet

Se ricevi il seguente errore mentre usi Jupiter

Usa il comando

conda install -c conda-forge fbprophet

importa json
importa datetimeimporta numpy come np
da fbprophet importa Prophet
importare i panda come pd
richieste di importazione
importa import_ipynb
importa pre come preelaborazione
import matplotlib.pyplot come pltda fbprophet.plot importa plot_cross_validation_metric
importa matematica
punto finale = 'https://min-api.cryptocompare.com/data/histoday'
res = request.get(endpoint + '?fsym=USDT&tsym=CAD&limit=500')hist = pd.DataFrame(json.loads(res.content)['Dati'])
hist = hist.set_index('ora')
hist.index = pd.to_datetime(hist.index, unit='s')target_col = 'chiudi'testa.ist(5)
hist['y']=(hist['high']+hist['low'])/2
hist['ds']=hist.indexmodello = Profeta()
modello.fit(storia);futuro = model.make_future_dataframe(periodi=30)
#previsioni per 1 anno da oggi.previsione = model.predict(futuro)figura=modello.plot(previsione)
fig2 = model.plot_components(previsione)

Qui la tendenza rappresenta la tendenza generale del titolo. Weekly rappresenta la natura ciclica in modo settimanale e annualmente ci racconta la natura ciclica in un anno. La Fig2 viene utilizzata per scomporre l'output nei suoi componenti principali.

Questo è tutto!

Usa questo trucco per prevedere e guadagnare profitti.

Hai trovato utile questo articolo? Seguimi (Rahula Raj) su Medium e dai un'occhiata ai miei articoli più popolari qui sotto! Per favore 👏 questo articolo per condividerlo!

____________________********_____________________________

Aperto alla collaborazione
Contattami a rahular2020@iimbg.ac.in.

____________________********_____________________________

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