Python 我预测的开放价值正确吗？

我编写了一个脚本，从exchange API获取数据并创建训练和预测集问题是回归问题，训练中使用的数据是所选资产的简单OHLCV

.csv

文件，训练集有150个数据点，验证数据有50个数据点，现在，当脚本完成训练，是时候预测下一个开盘价了，我就是这样做的

到目前为止，我的理解是，

预测的股票价格中的最后一个值是脚本预测的值，我使用该值预测该价格

我真正想知道的是这种预测资产价格权利的方法，例如，我如何预测未来3天的价值

我为这个脚本制作了一个纸面交易功能，它将预测的当前资产价格记录到一个
.txt
文件中，数字是有意义的，但我不确定这是预测的正确方法

model = Sequential()
model.add(LSTM(units = 100, return_sequences = True, input_shape = (None, 1)))
model.add(Dropout(0.2))

model.add(LSTM(units=100 , return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(units=1000 , return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(units=1000))
model.add(Dropout(0.2))
model.add(Dense(units=1 ))
model.compile(optimizer="adam" , loss='mean_squared_error' , metrics=[tf.keras.metrics.RootMeanSquaredError()])


这就是我正在使用的模型

dataset_train = self.df.head(150)
dataset_test  = self.df.tail(50)
real_stock_price = dataset_test .iloc[:, 1:2].values
dataset_total = pd.concat((dataset_train['open'], dataset_test['open']), axis = 0)
inputs = dataset_total[len(dataset_total) - len(dataset_test)  : ].values
print ( len(inputs)) 
inputs = inputs.reshape(-1,1)

      

sc = MinMaxScaler(feature_range=(0,1))
inputs = sc.fit_transform(inputs)

X_test = []
y_test = []
for i in range(10, 50):
    X_test.append(inputs[i-10:i, 0])
    y_test.append(inputs[i , 0 ])
X_test = np.array(X_test)
X_test = np.reshape(X_test, (X_test.shape[0], X_test.shape[1], 1))

predicted_stock_price = model.predict(X_test )
predicted_stock_price = sc.inverse_transform(predicted_stock_price)
predicted_stock_price_lst = predicted_stock_price.tolist()