비트코인 차트데이터 분석하기

221007 작성

<본 블로그는 moonda0404 님의 블로그를 참고해서 공부하며 작성하였습니다 :-) >

https://blog.naver.com/moongda0404/222729530178

[Python Data Analysis 분석 8] 데이터 분석 - 파이썬 시계열분석

 

 

1️⃣ 데이터 및 라이브러리 불러오기

import warnings
warnings.filterwarnings('ignore')
import pandas as pd
import pandas_datareader.data as web
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

from datetime import datetime

# Data Source : https://www.blockchain.com/ko/charts/market-price?timespan=60days

file_path = 'market-price.csv'
bitcoin_df = pd.read_csv(file_path, names = ['day', 'price'])
bitcoin_df

 

• x축은 'day'이고, y축은 'price'
  • day는 단위가 '하루'이기에, 시계열 피처단위로 바꾼다

bitcoin_df['day'] = pd.to_datetime(bitcoin_df['day'])
bitcoin_df

• day를 index로 지정

bitcoin_df.index = bitcoin_df['day']
bitcoin_df.set_index('day', inplace=True)

 

2️⃣ 시각화

bitcoin_df.plot()
plt.show()

 

3️⃣ 예측 모델

• ARIMA를 활용
  • ARIMA(Autoregressvie integrated MovingAverage)
    
    • AR(자기상관) : 이전의 값이 이후의 값에 영향을 미치고 있는 상황
    • MA(이동평균) : 랜덤 변수의 평균값이 지속적으로 증가하거나 감소하는 추세
      
      • 차분은 비정상성을 정상성으로 만들기 위해, 관측값들의 차이를 계산하는 것 (비정상성에서 정상성으로)

https://blog.naver.com/moongda0404/222729530178

• test 할거 5일치 빼놓음

bitcoin_df_train = bitcoin_df[:360]

 

• ARIMA

import statsmodels.api as sm
from statsmodels.tsa.arima.model import ARIMA   

# (AR=2, 차분=1, MA=2) 파라미터로 ARIMA 모델을 학습합니다.
model = ARIMA(bitcoin_df_train.price.values, order=(2,1,2))

• 파라미터 추가하려면 ERROR 뜸 ㅡㅡ

#trend : constant를 가지고 있는지, c - constant / nc - no constant
#disp : 수렴 정보를 나타냄
model_fit = model.fit()
print(model_fit.summary())

 

• ARIMA 모델 학습에 의한 예측결과

forecast_data = model_fit.forecast(steps=5) # 학습 데이터셋으로부터 5일 뒤를 예측합니다.

bitcoin_test_df = bitcoin_test_df[360:]

pred_y = forecast_data[0].tolist() # 마지막 5일의 예측 데이터입니다. (2018-08-27 ~ 2018-08-31)
test_y = bitcoin_test_df.values # 실제 5일 가격 데이터입니다. (2018-08-27 ~ 2018-08-31)
pred_y_lower = [] # 마지막 5일의 예측 데이터의 최소값입니다.
pred_y_upper = [] # 마지막 5일의 예측 데이터의 최대값입니다.

for lower_upper in forecast_data[2]:
    lower = lower_upper[0]
    upper = lower_upper[1]
    pred_y_lower.append(lower)
    pred_y_upper.append(upper)
    
plt.plot(pred_y, color="gold") # 모델이 예상한 가격 그래프입니다.
plt.plot(pred_y_lower, color="red") # 모델이 예상한 최소가격 그래프입니다.
plt.plot(pred_y_upper, color="blue") # 모델이 예상한 최대가격 그래프입니다.
plt.plot(test_y, color="green") # 실제 가격 그래프입니다.

포....

포기...!

 

 

 

 

4️⃣ fbprophet 예측 모델

from fbprophet import Prophet

# prophet을 사용하기 위해서는 다음과 같이 피처의 이름을 변경해야 합니다 : 'ds', 'y'
bitcoin_df = pd.read_csv(file_path, names=['ds', 'y'])
prophet = Prophet(seasonality_mode='multiplicative', 
                  yearly_seasonality=True,
                  weekly_seasonality=True, daily_seasonality=True,
                  changepoint_prior_scale=0.5)
prophet.fit(bitcoin_df)

# 5일을 내다보며 예측합니다.
future_data = prophet.make_future_dataframe(periods=5, freq='d')
forecast_data = prophet.predict(future_data)
forecast_data[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail(5)

fig1 = prophet.plot(forecast_data)

fig2 = prophet.plot_components(forecast_data)

bitcoin_df_train = bitcoin_df[:360]
bitcoin_test_df = bitcoin_df[360:]

pred_y = forecast_data.yhat.values[-5:] # 마지막 5일의 예측 데이터입니다. (2018-08-27 ~ 2018-08-31)
test_y = bitcoin_test_df.y.values # 실제 5일 가격 데이터입니다. (2018-08-27 ~ 2018-08-31)
pred_y_lower = forecast_data.yhat_lower.values[-5:] # 마지막 5일의 예측 데이터의 최소값입니다.
pred_y_upper = forecast_data.yhat_upper.values[-5:] # 마지막 5일의 예측 데이터의 최대값입니다.

plt.plot(pred_y, color="gold") # 모델이 예상한 가격 그래프입니다.
plt.plot(pred_y_lower, color="red") # 모델이 예상한 최소가격 그래프입니다.
plt.plot(pred_y_upper, color="blue") # 모델이 예상한 최대가격 그래프입니다.
plt.plot(test_y, color="green") # 실제 가격 그래프입니다.

 

plt.plot(pred_y, color="gold") # 모델이 예상한 가격 그래프입니다.
plt.plot(test_y, color="green") # 실제 가격 그래프입니다.