Python で Keras を使い RNN の LSTM による FX チャートの予測結果が実際のデータと乖離してしまいます

前提・実現したいこと

Keras を使った LSTM で、ＦＸチャートの予測を行おうとしています。

発生している問題・エラーメッセージ

予測結果が実際のデータと乖離しており、その原因が不明な状態です。

該当のソースコード

データ構造

入力データがチャートの値(価格の変化率)を表し、それを24個まとめたものを一つの学習データとしています
それを一時間づつずらし、合計 15000 個のデータを作っています

# input_data_list_train[0]
array([[0.62224413],
       [0.66206642],
       [0.6454561 ],
       [0.61505502],
       [0.62129441],
       [0.62455067],
       [0.61315435],
       [0.60636639],
       [0.63473543],
       [0.60595753],
       [0.61952831],
       [0.63188613],
       [0.62686003],
       [0.6337822 ],
       [0.6303857 ],
       [0.64639128],
       [0.64555965],
       [0.62278596],
       [0.60192606],
       [0.61492496],
       [0.6166857 ],
       [0.62427806],
       [0.62102386],
       [0.62495597]])

# input_data_list_train[1]
array([[0.66206642],
       [0.6454561 ],
       [0.61505502],
       [0.62129441],
       [0.62455067],
       [0.61315435],
       [0.60636639],
       [0.63473543],
       [0.60595753],
       [0.61952831],
       [0.63188613],
       [0.62686003],
       [0.6337822 ],
       [0.6303857 ],
       [0.64639128],
       [0.64555965],
       [0.62278596],
       [0.60192606],
       [0.61492496],
       [0.6166857 ],
       [0.62427806],
       [0.62102386],
       [0.62495597],
       [0.6320059 ]])

# input_data_list_train[14999]
array(・・・

上のデータに対するラベルは次のような構造で、
例えば input_data_list_train[0] が 0時から24時の価格を表した場合、
そのラベル（＝予測したい値）label_data_list_train[0] は 25時の価格を表しています。

# label_data_list_train[0]
array([0.6320059])

# label_data_list_train[1]
array([0.62942768])

# label_data_list_train[14999]
array(・・・

モデル構築

python
1from keras.layers import Dense, Activation, SimpleRNN, LSTM
2from keras.optimizers import Adam
3from keras.models import Sequential
4
5CHUNK_LENGTH = 24
6HIDDEN_SIZE = 128
7BATCH_SIZE = 64
8NUM_ITERATIONS = 1
9NUM_EPOCHS_PER_ITERATION = 5
10NUM_PREDS_PER_EPOCH = 1
11INPUT_SIZE = 1
12OUTPUT_SIZE = 1
13
14model = Sequential()
15model.add(LSTM(HIDDEN_SIZE, stateful=False, batch_input_shape=(None, CHUNK_LENGTH, INPUT_SIZE)))
16model.add(Dense(OUTPUT_SIZE))
17model.add(Activation('linear'))
18optimizer = Adam(lr=1e-5)
19model.compile(loss='mean_squared_error', optimizer=optimizer)

from keras.callbacks import EarlyStopping

for iteration in range(NUM_ITERATIONS):
    print('=' * 20)
    print('Iteration #: %d' % (iteration))
    model.fit(
        input_data_list_train,
        label_data_list_train,
        batch_size=BATCH_SIZE,
        epochs=NUM_EPOCHS_PER_ITERATION,
        shuffle=False
    )

未来予測

# 未来予測
import numpy as np

# 学習データの末尾より、24時間分の価格を予測します
FUTURE_PREDICTION_NUM = 24

predicted = []
input_data_list_prediction = input_data_list_test[len(input_data_list_test) - 1:]

for i in range(FUTURE_PREDICTION_NUM):
    _predict_data = input_data_list_prediction[i : i + 1]
    _predicted = model.predict(_predict_data, batch_size=BATCH_SIZE)

    # 入力データの先頭を除き、末尾に予測を加え、新たな入力データを作成
    next_chunk = np.append(input_data_list_prediction[i][1:], np.array(_predicted[0])).reshape(CHUNK_LENGTH, 1)

    # numpyArray を list に戻し、多次元配列同士を結合、その後 numpyArray に戻す
    _tmp_list = input_data_list_prediction.tolist()
    _tmp_list.append(next_chunk)
    input_data_list_prediction = np.array(_tmp_list)

    predicted.append(_predicted)

次のような流れになっています