Tjäna snabba pengar i kryptovaluta med Python

FB datavetenskapsteam såg att det var på väg mot dataåldern. De skapade sin profet för att prognostisera data. Även om dess användning inte är begränsad till aktier, är det ett praktiskt verktyg för alla som försöker förstå siffror och rörelser. Enligt dem fick profeten:
göra det lättare för experter och icke-experter att göra högkvalitativa prognoser som hänger med efterfrågan

Där profeten gnistrar

Inte allt avgörande problem kan lösas med en liknande teknik. Profeten är förbättrad för de affärsuppskattningar vi har upplevt på Facebook, som vanligtvis har någon av de medföljande attributen:

• uppfattningar varje timme, varje dag eller vecka efter vecka med någonstans runt ett par månader (helst en längre period) av historia
• solida olika säsongsvariationer i "mänsklig skala": veckodag och säsong
• betydande tillfällen som inträffar vid sporadiska sträckor som är kända i förväg (t.ex. Super Bowl)
• ett förnuftigt antal saknade uppfattningar eller enorma anomalier
• registrerade mönsterändringar, till exempel på grund av artiklar som skickas eller loggningsändringar
• mönster som är icke-direkta utvecklingsböjningar, där ett mönster träffar en karakteristisk cutoff eller fördjupas

Hur profeten fungerar

I centrum är profetmetoden en extra modell för återfall av substanser med fyra primära delar:

• Ett styckvis direkt eller beräknat utvecklingsböjmönster. Profeten särskiljer följaktligen förändringar i mönster genom att välja förändringspunkter från informationen.
• En årlig enstaka del visas med Fourier-serien.
• En enstaka del vecka för vecka som använder skenfaktorer.
• En kund gav en genomgång av viktiga tillfällen.

y(t) = g(t) + s(t) + h(t) + ϵ

• G (t) modellerar ett mönster som visar en utdragen ökning eller avtagande i informationen. Profeten förenar två mönstermodeller, en fördjupande utvecklingsmodell och en bitvis direkt modell, beroende på vilken typ av förutseende fråga.
• s(t) modellerar oregelbundenheter med Fourier-serien, som skildrar hur information påverkas av enstaka faktorer som årstiden (t.ex. fler blickar efter äggvita under den kallare tiden på året)
• h(t) modellerar effekterna av tillfällen eller enorma tillfällen som svajar affärstidsserier ϵ. tar upp en sista misstagsterm

Inställning

Börja med att importera alla nödvändiga bibliotek. Om du inte redan har Prophet installerad kan du enkelt installera den med pip.

pip installera fbprophet

Om du får följande fel när du använder Jupiter

Använd kommando

conda install -c conda-forge fbprophet

importera json
importera datetimeimportera numpy som np
från fbprophet import Profeten
importera pandor som pd
importförfrågningar
import import_ipynb
import pre som förbearbetning
importera matplotlib.pyplot som pltfrån fbprophet.plot import plot_cross_validation_metric
importera matematik
slutpunkt = 'https://min-api.cryptocompare.com/data/histoday'
res = requests.get(endpoint + '?fsym=USDT&tsym=CAD&limit=500')hist = pd.DataFrame(json.loads(res.content)['Data'])
hist = hist.set_index('tid')
hist.index = pd.to_datetime(hist.index, unit='s')target_col = 'stäng'hist.head(5)
hist['y']=(hist['hög']+hist['låg'])/2
hist['ds']=hist.indexmodell = Profet()
model.fit(hist);framtid = model.make_future_dataframe(periods=30)
#prognos för 1 år från och med nu.prognos = model.predict(future)figur=modell.plot(prognos)
fig2 = model.plot_components(prognos)

Här representerar trenden den övergripande trenden för aktien. Weekly representerar den cykliska naturen på ett veckovis sätt och årligen berättar om den cykliska naturen på ett år. Fig 2 används för att bryta ned utmatningen i dess kärnkomponenter.

Det är allt!

Använd detta trick för att förutsäga och tjäna vinster.

Fanns den här artikeln användbar? Följ mig (Rahula Raj) på Medium och kolla in mina mest populära artiklar nedan! 👏 Vänligen 👏 den här artikeln för att dela den!

_________________________________*****____________________________

Öppen för samarbete
Kontakta mig på rahular2020@iimbg.ac.in.

_________________________________*****____________________________

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