Python 为什么LSTM模型的预测值显示平行线不符合趋势

->创建LSTM模型的源代码

def create_model(learning_rate, num_dense_layers,num_input_nodes,
             num_dense_nodes, activation, adam_decay): 

    model = Sequential()
    model.add(LSTM(units = num_input_nodes, input_shape= (30,4), activation=activation, return_sequences=True))
    model.add(LSTM(units = 10, activation=activation))

    for i in range(num_dense_layers):
        name = 'layer_dense_{0}'.format(i+1)
        model.add(Dense(num_dense_nodes,
             activation=activation,
                    name=name
             ))
    model.add(Dense(units=1))
    adam = Adam(lr=learning_rate, decay= adam_decay)
    loss=Huber()
    model.compile(optimizer=adam, loss=loss)
    return model

->利用高斯过程（GP）方法得到了LSTM机的最优超参数，并将其用于建模

gp_result = [0.001, 1, 512, 13, 'relu', 64, 0.001]

#call our best model 
gp_model = create_model(gp_result.x[0],gp_result.x[1],gp_result.x[2],gp_result.x[3],gp_result.x[4],gp_result.x[5])
gp_model.summary()
gp_model.fit(X_train,y_train, epochs=500)
gp_model.evaluate(X_test,y_test)

->这里，X_序列是由（570,30,4）3-d阵列组成的数据。y_序列由（570,1）二维阵列组成。若为y_列，则由（100,30,4）组成，y_测试为（100,1）。 X数据是指4个特征的30天数据（开盘时的股价、当日最高价格、当日最低价格和当日交易量），y数据是指第二天的结果（收盘时的股价）

---

模型摘要 图层（类型）输出形状参数# lstm（lstm）（无，30512）1058816

---

lstm_1（lstm）（无，10）20920

---

第1层致密（致密）（无，13）143

---

致密（致密）（无，1）14

---

->最后的结果就在这里

我不明白为什么模型的预测不能跟随股票价格。我使用贝叶斯优化和高斯过程来寻找损失最小的超参数。在应用贝叶斯模型之前，我使用了简单的模型

这个,这个模型呢,大致跟随着股票的价格,， 上图是预测数据图（model.predict（X_检验））和实际数据图（y_检验）

我不明白为什么会这样。 有人能帮我吗？ 我想提前表达我的谢意

gp_model.fit(X_train,y_train, epochs=1000, verbose=0)
gp_model.evaluate(X_test,y_test)
pred = gp_model.predict(X_test)
pred.shape

import matplotlib.pyplot as plt

plt.plot(pred)
plt.plot(y_test)
plt.xlabel('day')
plt.ylabel('price')