Прогнозирование цен акций "Яндекса" с помощью моделей rnn, lstm, cnn, lstm+cnn, rnn+lstm

Построение и настройка нейросетевых моделей – прогнозируемый временной ряд "Цена" из файла.

1. Необходимо с помощью библиотек на Python реализовать прогнозирование временных рядов цен акций "Яндекса" с применением моделей RNN, LSTM, CNN.

2. В реализованном прогнозировании должны оптимизироваться гиперпараметры моделей для получения наилучшего результата прогнозирования.
Должны фиксировать результаты – до/после оптимизации с графиками прогноза и расчетом метрик (оценка моделей должна производиться по параметрам (R^2, MAE, RMSE, и др.), должно быть доказано, что у модели отсутствует переобучение, в работе должна присутствовать кросс-валидация.

3. Построение гибридной нейронной (RNN+LSTM, CNN+LSTM).
Необходимо провести анализ, исследование построения гибридных нейросетевых моделей. Цель: провести анализ/исследование, что лучше ансамбль моделей или суперпозиция моделей? Поэкспериментировать с моделями:
- поэкспериментировать с параметрами и соотношениями моделей (взять с вероятность 60% LSTM и 40% RNN/CNN, или др. соотношение, найти наилучшее соотношение)

Должны фиксироваться результаты – до/после с графиками прогноза и расчетом метрик (оценка моделей должна производиться по параметрам (R^2, MAE, RMSE, и др.), должно быть доказано, что у модели отсутствует переобучение, в работе должна присутствовать кросс-валидация.

4. У лучшей нейросетевой модели (из п.3) описать архитектуру, чем она лучше, за счет чего на 2 стр. (рисунок архитектуры будет плюсом).

5. Для лучшей модели должна быть реализована возможность подавать на вход дату и прогнозировать на эту дату временной ряд.

Общие требования:
1) Разработку вести в файле с расширением ipynb – как итог, рабочий код.
2) Комментировать код при написании.