我想使用最後一篇文章來回顧我在第0天的原始計劃以及實際所做的事情。
回報時間框架:
1-確定目標和範圍: 我最初想模擬實際的買賣活動和潛在回報。因為研究模型花很多時間導致我無法達到這一點。
2-數據收集: 我能夠使用yfinance(Yahoo Finance)非常輕鬆地導入數據。盡管我認為對於比特幣來說,數據可以更精細。回顧一下,我可能會選擇股票。
3-股票指數(或稱股市指數、股價指數)是衡量交易所一組股票價格表現的指標:
我將用以下指數:
蠟燭圖監控:我無法直接使用蠟燭圖,但我相信使用tensorflow.keras.sequential模塊實現的方法與蠟燭圖方法是一致的。
比較上面所有的模型,我認為使用tensorflow.keras.sequential模塊能夠生成更準確的預測。
4-模擬加密平台選擇Roostoo
我無法嘗試Roostoo,因為我發現要用它的API要向該平台Email這請求,而從頭開始設置API則超出了我的能力範圍。
5-要使用的模型
我將主要使用Python,我想要試試以下模型來做我的model:
完賽感想:
過去的30天是一場漫長的學習和探索之旅,但我確實學習到了更多關於數據科學和機器學習的知識。如果我任何一篇文章對你們有所幫助,我會很開心。
對 dbt 或 data 有興趣?歡迎加入 dbt community 到 #local-taipei 找我們,也有實體 Meetup 請到 dbt Taipei Meetup 報名參加
Ref:
https://levelup.gitconnected.com/20-pandas-functions-for-80-of-your-data-science-tasks-b610c8bfe63c