Algorithm 基于回归的价格预测

我有一个黄金价格数据集，经过修改和一些预处理后，我得到了下面的数据框：

数据集中有50000条记录，有500多个不同的市场和不同的频率，除date之外的所有列都是int类型，date是datetime对象。我需要预测在某些特定日期每单位的价格。但不知何故，我对这么多的方法感到困惑

---

我的问题是，什么样的回归算法/方法是这类数据的良好预测结果？

在机器学习或数据挖掘中，正如人们常说的，很多事情可以通过多种方式完成。让我们尝试使用消去法来决定给定问题的算法。主要情况是类变量（要预测的特征）是连续的，因此您应该使用任何回归算法。我建议使用线性回归，使用r^2分数检查准确性，这基本上是实际值和预测值之间的平方差。如果不是平价，尝试随机森林回归。< /P>这个问题太宽泛了。市场分析是一个相当复杂的话题，涉及到对现有数据的大量分类。而事实上，你显然计划在跨市场的范围内实施这一点并不会让事情变得更容易。这个话题可能会填满整本书。绝对不是这里可以回答的问题的形式。我建议你自己阅读一下计算市场分析，然后带着一个更具体的问题回来。我建议你从几个随机选择的示例市场的线性回归开始探索。如果他们的模型很好，那么将其扩展到所有市场，或许还可以调查市场间的相关性。如果你是一个拥有如此大数据集的新手，我不建议你进入机器学习领域。在网络搜索和探索之后，我发现了分析和预测时间序列的方法——正如这些数据所示，ARIMA模型如果使用得当，效果会很好。