Análisis del mercado de valores
Objetivos
- Crear un modelo para predecir los precios de las acciones de los próximos 3 días utilizando datos históricos.
- Análisis de sentimiento en las noticias/twitter relacionados con una acción en particular.
- Comparar dos o más empresas en función de su industria.
- Motor de búsqueda que hace uso de técnicas de recuperación de información para realizar búsquedas.
- Realización de una aplicación web para producir informes completos y recopilar los resultados.
Trabajo realizado
- Módulo de predicción
- El modelo toma el precio de cierre y el volumen negociado de las cuatro monedas durante 60 períodos de tiempo y sugiere si debemos comprar o vender LITECOIN, 3 períodos de tiempo en el futuro.
- Modelo final que tomará 5 años de datos bursátiles y sentimientos de Twitter como entrada para brindar precios/sugerencias futuras sobre la compra o venta de acciones.
- Módulo de análisis de sentimiento
- El primer paso fue construir un modelo para verificar la polaridad de un solo tweet.
- Usar el feed de Twitter de la acción como entrada
- El alimento es procesado por un clasificador (glob) y se decide su polaridad.
- El porcentaje de tweets positivos, negativos o neutrales se representa en forma de gráfico de barras.
- integrando noticias
- Análisis de sentimiento cuantitativo detallado (por ejemplo, innovación para la tecnología)
- Módulo de visualización
- Cree un portal para los inversores donde puedan encontrar análisis y noticias sobre la empresa.
- Muestre un gráfico que muestre la serie temporal del precio de cierre de la empresa.
- Muestre parámetros como capitalización de mercado, valor contable, crecimiento de las ventas y otros detalles específicos de la empresa.
- Muestra el análisis fundamental de la empresa que incluye balances, saldos de pérdidas y ganancias y flujos de efectivo de la empresa.
- Mostrar noticias recientes/Anuncio realizado por la empresa
- Módulo de comparación
- comparación entre dos o más acciones según el precio de las acciones: visualización realizada
- Comparación entre dos o más acciones en función de los rendimientos y la tasa de crecimiento.
- Comparación basada en el modelo de valoración de activos de capital
- Comparación dependiente del módulo de visualización.
- Módulo de motor de búsqueda
- El prototipo recibe la consulta del usuario y se la envía al sistema de infrarrojos.
- El sistema IR evalúa la consulta y genera los mejores resultados de la base de datos.
- El punto clave a tener en cuenta aquí es que este no es un caso simple de consulta-resultado del sistema RDBMS, sino que aquí tenemos datos no estructurados y, en base a los resultados de la evaluación del sistema IR, obtenemos los resultados.
- Autocompletar usando Editar distancia
- Consultas con comodines
Nuestro proyecto principal reside en el módulo de visualización de la rama maestra.
Empezando
Estas instrucciones le proporcionarán una copia del proyecto en funcionamiento en su máquina local para fines de desarrollo y prueba.
Requisitos previos
Qué cosas necesitas para instalar el software
git
Python3
pip3
virtualenv [If no anaconda present]
Good internet connection : For retrieving data from APIs
La instalación de Anaconda será mejor ya que se solucionarán la mayoría de las dependencias.
Instalación y ejecución
Una serie de ejemplos paso a paso que le indican cómo ejecutar un entorno de desarrollo.
Clonar el repositorio en su máquina
git clone https://github.com/CapstoneProject18/Stock-Market-Analysis.git
Construyendo un entorno virtual e iniciando el entorno (si no hay ninguna anaconda instalada)
virtualenv env
For windows : envScriptsactivate.bat
For linux : source env/bin/activate
Requisitos de instalación
cd visualization
pip3 install -r requirements.txt
ejecutando el proyecto
python3 manage.py runserver
Abra la ventana del navegador y en una nueva pestaña vaya al enlace http://127.0.0.1:8000
Colaboradores
- Ayush Dosajh - Módulo de sentimiento
- Ganesh Singh - Módulo de predicción
- Gulshan Singh - Módulo de motor de búsqueda
- Mayank Singh - Módulo de visualización
- Sangamesh Kotalwar - Módulo de comparación
Reconocimiento
Estamos muy agradecidos con el Sr. Manish Hurkat y el Sr. Bhavesh Sangwan por su orientación y supervisión constante, así como por proporcionar la información necesaria sobre el proyecto y también por su apoyo para completarlo. Reconocemos que cualquier trabajo que presente para evaluación en la Universidad NIIT:
- Debe ser todo mi propio trabajo, a menos que este requisito esté específicamente excluido cuando sea parte de una tarea grupal designada.
- No haber sido elaborado con la asistencia de ninguna otra persona, excepto las permitidas por las normas de la Universidad o las normas de evaluación específicas del trabajo.
- No haber sido presentado previamente a evaluación en esta Universidad o en otro lugar.