時系列の予測に関する問題

前提・実現したいこと

深層学習（cnn）で外国為替の予測をしたいのですが、
x t+1 の予測を行いのですが、 x t に近似した予測が出力されるのですがどのようにしたら
この問題を解決することができますか？

発生している問題

該当のソースコード

python3
1inputs = layers.Input((20,1))
2
3input_1 = inputs
4input_2 = layers.MaxPool1D()(inputs)
5input_3 = layers.MaxPool1D(4)(inputs)
6
7def cusal_conv(inputs, ks):
8  conv1 = Conv1D(8,ks,padding="same",activation="relu")(inputs)
9  concat = layers.Concatenate()([inputs,conv1])
10  conv2 = Conv1D(17,ks,padding="same",activation="relu")(concat)
11  concat = layers.Concatenate()([concat,conv2])
12  conv3 = Conv1D(26,ks,padding="same",activation="relu")(concat)
13  concat = layers.Concatenate()([concat,conv3])
14  
15  a = inputs.shape[2]
16  a = np.int(a)
17  a += 51
18
19  conv4 = Conv1D(a,1,padding="causal",activation="relu")(inputs)
20
21  add = layers.Add()([concat,conv4])
22  
23  return concat 
24
25net1 = cusal_conv(input_1,6)
26net2 = cusal_conv(input_2,4)
27net3 = cusal_conv(input_3,2)
28
29net2 = layers.UpSampling1D()(net2)
30net3 = layers.UpSampling1D(4)(net3)
31concat = layers.Concatenate()([net1,net2,net3])
32
33concat = cusal_conv(concat,3)
34
35flatten = layers.Flatten()(concat)
36outputs = layers.Dense(1)(flatten)
37
38model = tf.keras.Model(inputs,outputs)

全処理になります。

python
1f = "AUDUSDM_15.csv"
2
3df = pd.read_csv(f)
4price_name = "Close"
5x = df[[price_name]]
6y = df[[price_name]]
7
8
9fit = preprocessing.MinMaxScaler().fit(y)
10x = preprocessing.MinMaxScaler().fit_transform(x)
11y = fit.transform(y)
12# x = np.asanyarray(x)
13# y = np.asanyarray(y)
14num_nits = 20
15s = 1
16gen1 = tf.keras.preprocessing.sequence.TimeseriesGenerator(x,y,num_nits,stride=1, batch_size=3000)
17x = []
18y = []
19for i in range(len(gen1)):
20  xx,yy = gen1[i]
21  xx,yy = xx.tolist(),yy.tolist()
22  x.extend(xx)
23  y.extend(yy)
24
25# del x[0]
26# del y[-1]
27
28x = np.asanyarray(x)
29y = np.asanyarray(y)
30
31xx = x[0:-130,]
32yy = y[0:-130,]
33train_x,test_x,train_y,test_y = train_test_split(xx,yy,test_size=0.2,  shuffle =True)