stocker是基于google时间序列预测模型 - 预测者实现的股票预测。
因为项目要求股票分析，所以使用了该库，对该库进行简短总结。
预测者模型的论文地址
https://peerj.com/preprints/3190.pdf
对应python库pip install fbprophet
stocker开源github地址
https://github.com/WillKoehrsen/Data-Analysis/tree/master/stocker
由于stocker是从quandl获取数据，不仅只能获取美股，而且时间截至到2018年。所以修改源码，找到获取地址，改为用pandas web获取数据源。
主要方法：
Stocker.plot_stock(start_date=None, end_date=None, stats=['Adj.Close'],plot_type='basic')
画出历史数据
model, future = Stocker.create_prophet_model(days=0, resample=False)
黑色点表示观测点，也就是股票的实际走向。绿色点是预测点，浅绿色点是置信区间，表示会在这个范围内波动。我们可以从往期数据观察出该模型是否准确，也可以从浅绿色区域看出该模型的精度如何。
tsmc.evaluate_prediction()
红线以后是预测值，蓝色线代表了预测股票价格，而黄色是置信区间，黑点仍然是真实股票价格
tsmc.changepoint_prior_analysis(changepoint_priors=[0.001, 0.05, 0.1, 0.2])
scale值可看作是股票的操盘指数，操盘指数不同对应的预测走势也不同，我们可以选择走势和真实股票最接近的当作置信读最高的线。
tsmc.predict_future(days=100)
对股票基尼先嗯真实的预测，可以预测上升和下降的趋势，当然也有置信的范围，范围随着时间而越来越大
转载于:https://www.jianshu.com/p/6d38534505d1