SVMの株価予測で、当日ではなくn日後の予測を行いたいです。

Question

前提・実現したいこと

訓練用データとして、4,3,2,1日前の株価を用い、SVMで当日の株価を予測するコードです。
4日分の変化率から、変化率+(価格上昇)なら1、-(価格下落)なら0という正解値を使っています。
これを、当日ではなく1日後、2日後などn日後の予測を実現させたいです。

該当のソースコード

from sklearn import svm
from sklearn.model_selection import train_test_split

with open("BTC1D_20200101_20211031.txt", "r") as f:
    btc_file_data = f.read()  # ファイルの読み込み
btc_file_data = btc_file_data.split()  # 改行で分割しリストに格納
btc_data = []
for btc_string in btc_file_data:
    btc_data.append(float(btc_string))  # 小数に変換した上でリストに格納

# データの確認
print("BTC価格", btc_data)
n_price = len(btc_data)
print("BTC価格データの数", n_price)

# BTC価格の変化率
ratio_data = []
for i in range(1, n_price):
    ratio_data.append(float(btc_data[i] - btc_data[i-1]) / float(btc_data[i-1]))
print("BTC価格の変化率", ratio_data)
n_ratio = len(ratio_data)
print("BTC価格の変化率データの数", n_ratio)

# 前日までの4連続の変化率のデータ
successive_data = []
answers = []  # 正解値 価格上昇: 1 価格低下: 0
for i in range(4, n_ratio):
    successive_data.append([ratio_data[i-4], ratio_data[i-3], ratio_data[i-2], ratio_data[i-1]])
    if ratio_data[i] > 0:
        answers.append(1)
    else:
        answers.append(0)
print("4日連続の変化率", successive_data)
print("正解", answers)

x_train, x_test, t_train, t_test = train_test_split(successive_data, answers, shuffle=False)  # シャッフルしない

clf = svm.SVC()  # サポートベクターマシーン
clf.fit(x_train, t_train)  # 訓練

y_test = clf.predict(x_test)  # テスト用データで予測

# 末尾の10個を比較
print ("正解:", t_test[-10:])
print ("予測:", y_test[-10:])

# 正解率の計算
correct = 0.0
wrong = 0.0
for i in range(len(t_test)):
    if y_test[i] == t_test[i]:
        correct += 1.0
    else:
        wrong += 1.0
print ("正解率:", str(correct / (correct+wrong) * 100), "%")

試したこと

n-1日前までデータを使い、訓練済みのモデルを使って予測したらどうか、とのことですが、その方法をご教授いただけると幸いです。
拙い質問で大変申し訳ございませんが、何卒よろしくお願い申し上げます。

補足情報（FW/ツールのバージョンなど）

Google Corroboratory

Answer 1

n日後の結果が欲しいとのことですが，n日ずらして当日を正解にすれば元のソースを少し変更するだけで可能では？

学習データ	正解	備考
4,3,2,1日前の変化量	1日前と当日との変化	既にある
4,3,2,1日前の変化量	1日前とn日後との変化	欲しいもの
n+4,n+3,n+2,n+1日前の変化量	n+1日前と当日との変化	欲しいものをn日スライド