kerasのステートフル LSTMで予測をするときに、たくさんのテストデータを用意をした方がいいのか

kerasの　ステートフル　LSTMで、株価の予測の学習をしました。
このモデルは10日の連続したデータから11日目のデータを予測するようにしていて、
ある日（例えば5月25日）の株価を予測したいときに、それよりも10日前からの10日分のデータを入力すれば出力されます。けれども、ステートフルモデルであるため、隠れ層のhidden_stateが時系列データを入力するとどんどん保存されていくので、10日分だけでなく、もっとたくさんの過去の連続したデータを入力していく方がより良い予測ができるのでしょうか。
わかりにくい日本語になってしまったのですが、つまり10日分だけでなく、100日分くらいの多くの連続したデータを入力した方がいいのでしょうか？
それとも実験してみるしかないのでしょうか。

python
1コード
2import numpy
3import pandas
4import matplotlib.pyplot as plt
5
6from sklearn import preprocessing
7from keras.models import Sequential
8from keras.layers.core import Dense, Activation, Dropout
9from keras.layers.recurrent import LSTM
10
11length_of_sequences = 10
12batch_size = 1
13class Prediction :
14  def __init__(self):
15    self.length_of_sequences = length_of_sequences
16    self.in_out_neurons = 1
17    self.hidden_neurons = 80
18    self.time_idx = None
19
20  def load_data(self,data, time_size,batch_size,in_out_neurons=1):#バッチの作成
21    data_size = len(data)
22    t_data = data[['終値']].iloc[1:]
23    t_data = t_data[['終値']].values.flatten().tolist()
24    data = data[['終値']].values.flatten().tolist()
25    max_iters = data_size // (batch_size * time_size)
26    self.time_idx = 0
27    x = None
28    t = None
29    for i in range(max_iters):
30      batch_x = numpy.empty((batch_size, time_size))
31      batch_t = numpy.empty((batch_size, in_out_neurons))
32      jump = data_size // batch_size
33      offsets = [j * jump for j in range(batch_size)]  # バッチの各サンプルの読み込み開始位置
34      for time in range(time_size):
35        for k, offset in enumerate(offsets):
36          batch_x[k, time] = data[(offset + self.time_idx) % data_size]
37          batch_t[k,0] = t_data[(offset + self.time_idx) % data_size] #in_out_neurons = 1 の時
38        self.time_idx += 1
39      if i == 0:
40        x = batch_x
41        t = batch_t
42      else:
43        x = numpy.concatenate([x,batch_x],0)
44        t = numpy.concatenate([t,batch_t],0)
45    x = x.reshape(-1,length_of_sequences,in_out_neurons)
46    return x, t
47
48  def create_model(self) :#ステートフルモデル
49    model = Sequential()
50    model.add(LSTM(self.hidden_neurons, \
51              batch_input_shape=(1, self.length_of_sequences, self.in_out_neurons), \
52              return_sequences=False,stateful=True))#None
53    model.add(Dense(self.in_out_neurons))
54    model.add(Activation("linear"))
55    model.compile(loss="mape", optimizer="adam")
56    return model
57
58
59  def train(self, X_train, y_train,x_test,y_test) :#学習
60    model = self.create_model()
61    for i in range(20):
62      model.fit(X_train, y_train, batch_size=1, epochs=1,shuffle=False,validation_data=(x_test, y_test))
63      model.reset_states()
64    return model
65
66
67if __name__ == "__main__":
68
69  prediction = Prediction()
70
71data = pandas.read_csv('/content/drive/My Drive/csv_data/changed_csv7203_1983_2018.csv',index_col=0)
72test_data = pandas.read_csv('/content/drive/My Drive/csv_data/changed_csv7203_2018_2019.csv',index_col=0)
73data['終値'] = preprocessing.scale(data['終値'])
74test_data['終値'] = preprocessing.scale(test_data['終値'])
75prediction.length_of_sequences)
76x_train, y_train = prediction.load_data(data[['終値']], prediction.length_of_sequences,1)
77x_test, y_test = prediction.load_data(test_data[['終値']], prediction.length_of_sequences,1)
78model = prediction.train(x_train, y_train,x_test,y_test)
79
80predicted = model.predict(x_test,batch_size = 1) 
81result = pandas.DataFrame(predicted)
82result.columns = ['predict']
83result['actual'] = y_test
84result.plot()
85plt.show()