可以图个乐，没有那么准确，可能还需要更深入的研究分析

蓝线是预测的2024年的走势，绿线是实际走势，红线是历史和未来的分界线。结果上有蛮多差异的。

# 测试预测2024年   coded by luke 伊玛目的门徒
import akshare as ak
import numpy as np
import pandas as pd
import prophet
import matplotlib.pyplot as plt
import datetime
import matplotlib.dates as mdates
#显示100列
pd.set_option('display.max_columns', 100)

today = datetime.date.today()
date_str = today.strftime("%Y%m%d")
print('今天是')
print(date_str)

date_str2 = datetime.datetime.now().strftime("%Y-%m-%d %H_%M_%S")

# 周期日
m_days = 25
print ('配置的跟踪日线为:'+str(m_days))

# 获取数据
etf = '510210'  #上证指数


date_str_test_end='20231231'

data = ak.fund_etf_hist_em(symbol=etf, adjust="qfq", start_date="20200101", end_date=date_str_test_end).iloc[:, :6]

data2 = ak.fund_etf_hist_em(symbol=etf, adjust="qfq", start_date="20200101", end_date=date_str).iloc[:, :6]
# 准备数据
data = data.rename(columns={'日期': 'ds','收盘':'y'})
data = data[['ds', 'y']]

data2 = data2.rename(columns={'日期': 'ds','收盘':'y'})
data2 = data2[['ds', 'y']]

# 创建并训练模型
model = prophet.Prophet()
model.fit(data)

# 进行预测
future = model.make_future_dataframe(periods=365, freq='D')  # 预测未来
forecast = model.predict(future)


# 可视化结果
fig = model.plot(forecast)
# 获取当前图的坐标轴对象
ax = plt.gca()


data2['ds'] = pd.to_datetime(data2['ds'])  # 确保日期列是 datetime 格式
# 绘制实际数据data2的线

ax.plot(data2['ds'], data2['y'], color='green', linestyle='-', linewidth=2, label='实际数据')




# 将日期格式转换为 matplotlib 支持的格式
#ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
#ax.xaxis.set_major_locator(mdates.AutoDateLocator())

# 添加红色竖线
ax.axvline(pd.to_datetime(date_str_test_end), color='red', linestyle='--', linewidth=2)

# 显示图表
plt.show()

上图：