基于预测值作为真值的Pandas时间序列股票价格预测技术问询

你已经完成了时序预测中最核心的预处理步骤——用pandas.DataFrame.shift()构建了7日滞后特征，还特意保留最后两周的真实滞后数据来模拟未来预测场景，这个思路完全贴合真实业务里的预测逻辑，做得非常到位！

接下来可以按这几个步骤推进你的项目：

1. 合理划分训练与验证集 #

• 从主数据集df中剔除最后两周的test_df，剩余部分作为训练集；
• 建议再从训练集里拆分出最近1-2个月的数据作为验证集，用来调整模型超参数，避免直接用测试集调参导致的过拟合问题。

2. 选择适配的模型方向 #

根据你的数据规模（一年数据）和特征类型（滞后特征），推荐几个落地性强的模型：

• 基线模型：线性回归：能快速验证你的滞后特征是否有效，作为后续模型的性能参考基准；
• 传统时序模型：ARIMA/SARIMA：如果你的股票数据有明显的趋势或季节性，这类模型能精准捕捉时序规律；
• 机器学习模型：XGBoost/LightGBM：擅长处理非线性关系，对滞后特征的兼容性极佳，训练和推理速度也适合小规模数据；
• 深度学习模型：LSTM/GRU：如果想尝试捕捉更长周期的时序依赖，可以用这类模型，但需要更多的调参和数据预处理工作（比如归一化）。

3. 模拟真实滚动预测（重点环节） #

既然你想用test_df模拟未来两周的预测，一定要避免数据泄露——真实场景中你不可能提前拿到未来的滞后值，所以得用滚动预测的方式：

• 先用训练集训练模型，预测第1天的收盘价；
• 把第1天的预测值作为新的t-1特征，替换test_df中第2行对应的真实t-1值，同时把原t-2到t-7依次前移一位（变成t-1到t-6）；
• 重复这个过程，直到完成两周的所有预测。
• 这里给你一段简化的示例代码：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

# 初始化并训练基线模型
model = LinearRegression()
X_train = train_df[['t-7', 't-6', 't-5', 't-4', 't-3', 't-2', 't-1']]
y_train = train_df['close_price']
model.fit(X_train, y_train)

# 初始化第一组滞后特征（来自test_df的第一行）
current_lags = test_df.iloc[0][['t-7', 't-6', 't-5', 't-4', 't-3', 't-2', 't-1']].values.reshape(1, -1)
predictions = []

# 滚动预测两周
for _ in range(len(test_df)):
    pred = model.predict(current_lags)[0]
    predictions.append(pred)
    # 更新滞后特征：左移一位，把最新预测值放到最后一位
    current_lags = np.roll(current_lags, -1)
    current_lags[0, -1] = pred

# 将预测结果合并到测试集
test_df['predicted_close'] = predictions

4. 模型效果评估 #

• 用适合时序数据的指标：MAE（平均绝对误差）、RMSE（均方根误差）、MAPE（平均绝对百分比误差）——MAPE对股票这类关注相对波动的场景更有参考价值；
• 可视化真实收盘价与预测值的走势曲线，能更直观地看到模型在涨跌节点的预测表现。

内容的提问来源于stack exchange，提问作者anon_swe