用金交所Au(T+D)及Ag(T+D)均价预测Au(T+D)

import time
import datetime
import akshare as ak

print('本程序纯为python学习用途，不构成投资建议，部分参考的CSDN代码如下： ')
print('https://blog.csdn.net/Python4857/article/details/122562812')

time.sleep(1)
print('欢迎使用小u的致富之道！今天来看看黄金有没有什么机会呢～')
time.sleep(1)
print('先来介绍个小概念，由于金银都具有投资属性、白银还有更多的工业属性，长期以来金价对银价比例是维持在一定范围的')
print('个人感觉，比如当金银比较小，可以做多黄金，做空白银，金银比较大，可以做空黄金，做多白银')
print('盈利方式是认为最终金银比会回归一个正常水平，因此白银价格对金价有一定关联')
time.sleep(3)
print('数据库为akshare，数据/投资标的为上海黄金交易所Au(T+D)')
time.sleep(1)


# LinearRegression 是一个用于线性回归的机器学习库
from sklearn.linear_model import LinearRegression

# pandas 和 numpy 用于数据操作
import pandas as pd
import numpy as np

# matplotlib 和 seaborn 用于绘制图形
import matplotlib.pyplot as plt
plt.show()
plt.style.use('seaborn-darkgrid')

file_name = input('相关数据所保存之excel文件命名为： ')
file_name = file_name + '.xlsx'
print('您的相关数据所保存之excel将命名为：')
print(file_name)
now_time = datetime.datetime.now().strftime('%Y-%m-%d')
print('此文件产生时间：')
print(now_time)
selfinfo = {'属性': ['文件时间', '文件类型','策略方法','特别提示'], '具体描述': [now_time, '致富之道','基于金银比用白银预测黄金价格','有较大亏损可能']}
selfinfo = pd.DataFrame(data=selfinfo)
selfinfo.to_excel(file_name,sheet_name='文件信息')

from openpyxl import load_workbook
writer = pd.ExcelWriter(file_name, engine='openpyxl')
book = load_workbook(writer.path)
writer.book = book

price_hist_df_Au = ak.spot_hist_sge(symbol='Au(T+D)')
price_hist_df_Ag = ak.spot_hist_sge(symbol='Ag(T+D)')

while True:
    price_hist_df_print = input('是否需要现在就看原始历史价格？Y/N').upper()
    if price_hist_df_print == 'Y':
        print('黄金历史价格为：')
        pri