设置说明：
- 开始时间： 指标计算的起始日期
- 周期： 预测RSI的周期
- 聚合周期： 以多少根K线作为聚类的大小
- 预测数量： 进行预测的K线数量
- 误差阈值： 聚类被认为有效的误差范围（0到100之间）
- 搜索深度： 查找合适聚类的深度（0表示整个数组）
- 平均模式： 基于找到的聚类进行预测的平均方式（0为简单移动平均，1为线性加权移动平均）
这个想法其实很简单：我们取过去 pr_period 根K线的 RSI 历史值，然后观察在 progn 根K线之后的指标值，也就是说，我们获取一组指标值和一个伪值来表示这一组的结果，并将其存储到数组中。接下来，我们在指定的搜索深度 glubina 上遍历这个数组，查看历史中是否有类似的情况（满足误差阈值的情况），并分析这些情况的结果。最后，使用 exp 方法对获得的结果进行平均，这样就完成了预测的计算。
