为什么这个 LSTM 模型的预测值显示一条不跟随趋势的平行线

如何解决为什么这个 LSTM 模型的预测值显示一条不跟随趋势的平行线

-> 创建 LSTM 模型的源代码

def create_model(learning_rate,num_dense_layers,num_input_nodes,num_dense_nodes,activation,adam_decay): 

    model = Sequential()
    model.add(LSTM(units = num_input_nodes,input_shape= (30,4),activation=activation,return_sequences=True))
    model.add(LSTM(units = 10,activation=activation))

    for i in range(num_dense_layers):
        name = 'layer_dense_{0}'.format(i+1)
        model.add(Dense(num_dense_nodes,name=name
             ))
    model.add(Dense(units=1))
    adam = Adam(lr=learning_rate,decay= adam_decay)
    loss=Huber()
    model.compile(optimizer=adam,loss=loss)
    return model

->我使用GP(Gaussian Process)方法得到了LSTM机器的优化超参数，并用它来制作模型

gp_result = [0.001,1,512,13,'relu',64,0.001]

#call our best model 
gp_model = create_model(gp_result.x[0],gp_result.x[1],gp_result.x[2],gp_result.x[3],gp_result.x[4],gp_result.x[5])
gp_model.summary()
gp_model.fit(X_train,y_train,epochs=500)
gp_model.evaluate(X_test,y_test)

-> 这里，X_train 是由 (570,30,4) 3-d 数组组成的数据。 y_train 由 (570,1) 二维数组组成。在y_train的情况下，它由(100,4)组成，y_test是(100,1)。 X数据为4个特征的30天数据（开盘价、当日最高价、当日最低价、当日成交量），y数据为第二天的结果（收盘时的股价）。

---

模型总结

层（类型）输出形状参数#

lstm (LSTM)（无、30、512）1058816

---

lstm_1 (LSTM)（无，10）20920

---

layer_dense_1（密集）（无，13）143

---

密集（密集）（无，1）14

---

gp_model.fit(X_train,epochs=1000,verbose=0)
gp_model.evaluate(X_test,y_test)
pred = gp_model.predict(X_test)
pred.shape

import matplotlib.pyplot as plt

plt.plot(pred)
plt.plot(y_test)
plt.xlabel('day')
plt.ylabel('price')

-> 最终结果在这里。

enter image description here

我不明白为什么模型的预测跟不上股价。我使用贝叶斯优化和高斯过程来找到损失最低的超参数。在应用贝叶斯之前，我使用了简单的模型，

enter image description here

这个，这个模型跟股价差不多， enter image description here 上图是预测数据(model.predict(X_test))和实际数据(y_test)的图

我不明白为什么会这样。 有人可以帮助我吗？ 我想提前表示感谢。