如何在機器學習中分配 n 天目標變數

我正在嘗試使用有監督的機器學習來預測未來的價格。我的邏輯是從t, t-1, t-2 和 t-3時期取開盤價和收盤價來預測t+1,t+3 和 t+5時期的未來收盤價

library(quantmod)
symbol= getSymbols("AAPL",from="2010-03-01", auto.assign=F)
close<-Cl(symbol)
open<-Op(symbol)
lc1<-lag(close)
lc2<-lag(close,2)
lc3<-lag(close,3)
lo1<-lag(open)
lo2<-lag(open,2)
lo3<-lag(open,3)
X<-cbind(close,open,lc1,lc2,lc3,lo1,lo2,lo3)
Y<-need to assign close price for t+1,t+3 and t+5

我已經使用滯後函式為周期 0、1、2 和 3 創建了特徵向量，但我的問題是如何為 t+1、t+3 和 t+5 週期分配目標變數。

您需要將每個目標變數分配到它們自己的列，然後為每個預測範圍訓練模型

library(quantmod)
symbol= getSymbols("AAPL",from="2010-03-01", auto.assign=F)
close<-Cl(symbol)
open<-Op(symbol)
lc1<-lag(close)
lc2<-lag(close,2)
lc3<-lag(close,3)
lo1<-lag(open)
lo2<-lag(open,2)
lo3<-lag(open,3)
X<-cbind(close,open,lc1,lc2,lc3,lo1,lo2,lo3)

添加結果變數 (Y)

X$t1<-lag(close,-1)
X$t3<-lag(close,-3)
X$t5<-lag(close,-5)

由此你可以訓練 3 個模型來預測 $ t+n, n=1,..,n $

您似乎在做的實際上是一個自回歸 (AR) 模型，因此也許您可以從使用現有模型中受益，例如ARIMA R 已經有了很好的 實現。

引用自：https://quant.stackexchange.com/questions/26041