可以使用每日价格吗？

您可以使用每日价格作为时间序列来预测任意范围。

LSTM 与 NN

简而言之，vanilla NN 没有先前输入的记忆，而 LSTM NN 有。这在您的问题中特别有用，因为 LSTM 可以学习数据集的时间（顺序）特征，因此可以提前预测几个步骤。LSTM RNN 可以学习问题的动态（普通 NN 不能）。可以在此处找到针对您的问题的有用 Python/Keras 教程。

回归与分类

简而言之，分类是将样本区分为离散类别的问题。回归是指使用信号（或更多）的过去值来估计相同（或其他）信号的未来值。就您而言，回归是您所要求的。

使用你所拥有的一切

可以用每天的价格进行训练，提前 3 天预测。

假设你有数据：

[   1,   20,  33, 4444,   2,  21,  34, 4445,   3,  22,  35, 4446]
 t-11  t-10  t-9   t-8  t-7  t-6  t-5   t-4  t-3  t-2  t-1   t

并且您想预测t+3（剧透：应该是36）。

如果您逐步向后看，3您将看到[t, t-3, t-6, t-9]哪个对应于[4446, 3, 21, 33]。显然，36与我们查看[t-1, t-5, t-9] = [35, 34, 33].

因此，鼓励将您拥有的所有数据提供给您的模型。

如果您使用的是神经网络，您的网络应该能够为您学习这种模式。

如果您使用的是其他类型的回归器，您可能需要确定使用哪个内核。