一个有趣的想法是用 2010 年到 2018 年之间的数据训练模型，然后每天继续训练以保持更新。

有趣的相关作品可以在这里和这里找到。

无论如何，您需要决定要预测什么：您想要每日输出，每月还是每年？

如果您想预测每日价格，您应该使用每日价格进行测试/培训。最大的未知数，是这种事情的分析频率。您当然可以进行日间交易。查看每日收益会产生与每周、每月等不同的结果。您真的在进行每日交易吗？这肯定会产生更多的佣金，也会导致您的回报波动性更大。每月重新平衡似乎更具吸引力，除非日常流程（或日间流程）是 100% 自动化和 100% 容错的。

查看下面的两个链接，了解如何使用 LSTM 进行股票分析。

https://towardsdatascience.com/simple-stock-price-prediction-with-ml-in-python-learners-guide-to-ml-76896910e2ba

https://www.analyticsvidhya.com/blog/2018/10/predicting-stock-price-machine-learningnd-deep-learning-techniques-python/