TimesFM（Time Series Foundation Model）时间序列预测股市价格的数据研究(4)

TimesFM（Time Series Foundation Model）时间序列预测的数据研究(3)-优快云博客文章浏览阅读846次，点赞19次，收藏12次。1. **表示预测区间**：在很多预测任务中，模型给出的不只是一个单一的预测值（比如预测某个时间点的数值），而是一个预测区间来体现不确定性。像如果预测某商品未来销量，通过计算不同 `quantiles` 的值，能知道销量大概率（比如 90% 的置信区间，对应 0.05 和 0.95 分位数）会落在哪个范围，以及最有可能的中间值（0.5 分位数即中位数）是多少。通过比较模型输出的 `quantiles` 对应的预测区间和实际观测值落在该区间的比例等情况，可以判断模型对不确定性的把握能力。https://blog.youkuaiyun.com/chenchihwen/article/details/144444583?spm=1001.2014.3001.5501前一回把时间序列进行了安装

利用 baostock 获取宁德时代（SZ.300750）股票数据 为例进行预测

从 start_date='2020-01-01', end_date=system date

并从60 天前开始做隔日的收盘价格预测 然后不断的调整 trainning date 往后加上1天，一直到前天的历史数据预测

预测的结果与实际的价格如下截图

结论，不是很准确。

import os
import time
import pandas as pd
import numpy as np
import timesfm
import baostock as bs
from datetime import datetime, timedelta

# 步骤一：从Baostock获取宁德时代（SZ.300750）股票数据，并保存到Excel
def get_stock_data(code, s