Как объединить индикаторы коррекции Фибоначчи и волн Эллиотта в модели машинного обучения для прогнозирования цен на бит ⇐ Python

[Anonymous]

Я работаю над прогнозной моделью цен на биткойны и хотел бы объединить технические индикаторы с машинным обучением. В частности, я пытаюсь интегрировать уровни восстановления Фибоначчи и анализ волн Эллиотта с моделями машинного обучения, чтобы уловить как ценовые тенденции, так и потенциальные точки разворота.
Вот что у меня есть на данный момент:
Набор данных: мои данные включают дату, цену, открытие, максимум, минимум и объем. Я использую Python и рассчитал базовые индикаторы с помощью TA-Lib.
Проблемы: мне сложно интегрировать Фибоначчи и волны Эллиотта в мой конвейер машинного обучения. Должен ли я рассчитывать эти индикаторы в рамках разработки функций или лучше применить их на этапе моделирования?
Любые рекомендации по передовому опыту использования этих индикаторов вместе с ML или советы по управлению преобразованиями данных в Python, было бы полезно!
Что я пробовал:
Исследовал такие библиотеки, как TA-Lib и WaveTrend, но не уверен в правильной реализации. порядок.
Искал в Stack Overflow, но похожие вопросы касались отдельных показателей, а не их комбинации.

Подробнее здесь: https://stackoverflow.com/questions/791 ... machine-le