最近在研究預測指數

需要做資料處理
先針對針對日期補資料
看到這文章
 
[Add missing dates to pandas dataframe]
 
 
整理一下大概是這樣
import pandas as pd
from datetime import datetime

#產生一個示範資料
#這邊的index必須是日期物件喔
dateVs = {
    datetime.strptime("2020-01-01", "%Y-%m-%d") : 1, #假設是價格
    datetime.strptime("2020-01-05", "%Y-%m-%d") : 3,
    datetime.strptime("2020-01-10", "%Y-%m-%d") : 5,
    datetime.strptime("2020-01-15", "%Y-%m-%d") : 8,
    datetime.strptime("2020-01-19", "%Y-%m-%d") : 1,
}
#to pd format
dateVs = pd.Series(dateVs)
# 1D 每天採樣. ffill 填滿
dateVs = dateVs.resample('1D').ffill()
print(dateVs)

'''
2020-01-01    1
2020-01-02    1 #預設補上模式,依照上一筆資料
2020-01-03    1
2020-01-04    1
2020-01-05    3
2020-01-06    3
2020-01-07    3
2020-01-08    3
2020-01-09    3
2020-01-10    5
2020-01-11    5
2020-01-12    5
2020-01-13    5
2020-01-14    5
2020-01-15    8
2020-01-16    8
2020-01-17    8
2020-01-18    8
2020-01-19    1
'''
 
應該是有更好的補缺資料方案,不過因為指數在下一階段還沒出來之前確實都是依據上一次的價格
所以就先這樣用
 

"單看一個燈籠沒有規律,看一大片燈籠就有規律 --- in 2019.03東京上野公園"
 
有人問過我,基金怎麼能夠被預測,確實,有些預測確實不准
即使有收斂,預測出來的走勢也可能失準
 
但是呢...有時候這種預測,只是給自己作為一個參考,尤其是,充斥著數位化投資的現在,很多操作早已脫離人類的判斷了,只要有價差加上資本就會啟動,只在於,自己知不知道而已,這也是為什麼股票永遠玩不過大盤,曲線永遠比不過內線的原因了...
 
"千金難買早知道
為了早知道
要付出多少我知道呢?"