Stock Market Analysis

Analisis Pasar Saham

Tujuan

• Membuat model untuk memprediksi harga saham 3 hari ke depan menggunakan data historis.
• Analisis sentimen pada berita/twitter terkait suatu saham tertentu.
• Membandingkan dua atau lebih perusahaan berdasarkan industrinya.
• Mesin pencari memanfaatkan teknik pencarian informasi.
• Membuat aplikasi web untuk menghasilkan laporan yang komprehensif dan menyusun temuan-temuan.

Pekerjaan Selesai

• Modul Prediksi
  • Model ini mengambil harga penutupan dan volume perdagangan keempat mata uang selama 60 periode waktu dan menyarankan apakah kita harus membeli atau menjual LITECOIN, 3 periode waktu ke depan.
  • Model akhir yang akan mengambil data saham selama 5 tahun dan sentimen twitter sebagai masukan yang memberikan harga/saran di masa depan untuk membeli atau menjual saham tersebut.
• Modul Analisis Sentimen
  • Langkah pertama adalah membangun model untuk memeriksa polaritas satu tweet
  • Menggunakan feed twitter saham sebagai input
  • Umpan diproses oleh pengklasifikasi (gumpalan) dan polaritasnya ditentukan
  • Persentase tweet positif negatif atau netral diplot dalam bentuk grafik batang.
  • Mengintegrasikan berita
  • Analisis sentimen kuantitatif terperinci (Misalnya - Inovasi untuk Teknologi)
• Modul Visualisasi
  • Buat portal untuk investor tempat mereka dapat menemukan analitik, berita, tentang perusahaan.
  • Menampilkan grafik yang menunjukkan plot deret waktu dari harga penutupan perusahaan.
  • Tampilkan parameter seperti Kapitalisasi Pasar, Nilai Buku, pertumbuhan penjualan, dan detail lain yang spesifik untuk perusahaan.
  • Menampilkan analisa fundamental perusahaan yang meliputi Neraca, Saldo Laba dan Rugi, Arus Kas perusahaan.
  • Menampilkan berita terkini / Pengumuman yang dibuat oleh perusahaan
• Modul Perbandingan
  • perbandingan antara dua saham atau lebih berdasarkan harga saham - visualisasi selesai
  • perbandingan antara dua atau lebih saham berdasarkan return dan tingkat pertumbuhan
  • Perbandingan berdasarkan model penetapan harga aset modal
  • Perbandingan tergantung pada modul visualisasi
• Modul Mesin Pencari
  • Prototipe mengambil permintaan dari pengguna dan memberikannya ke sistem IR.
  • Sistem IR mengevaluasi kueri dan mengeluarkan hasil teratas dari database.
  • Hal penting yang perlu diperhatikan di sini adalah bahwa ini bukan kasus hasil kueri sederhana dari sistem RDBMS tetapi di sini kami memiliki data tidak terstruktur dan berdasarkan hasil evaluasi sistem IR kami mendapatkan hasilnya.
  • Pelengkapan otomatis menggunakan Edit Jarak
  • Kueri karakter pengganti

Proyek utama kami berada di modul visualisasi cabang master.

Memulai

Petunjuk ini akan membuat Anda mendapatkan salinan proyek dan berjalan di mesin lokal Anda untuk tujuan pengembangan dan pengujian

Prasyarat

Hal-hal apa saja yang Anda perlukan untuk menginstal perangkat lunak

 git
Python3
pip3
virtualenv [If no anaconda present]
Good internet connection : For retrieving data from APIs

Menginstal Anaconda akan lebih baik karena sebagian besar dependensi akan teratasi.

Menginstal dan menjalankan

Serangkaian contoh langkah demi langkah yang memberi tahu Anda cara menjalankan lingkungan pengembangan

Mengkloning repositori di mesin Anda

 git clone https://github.com/CapstoneProject18/Stock-Market-Analysis.git

Membangun lingkungan virtual dan memulai lingkungan (Jika tidak ada anaconda yang diinstal)

 virtualenv env

For windows : envScriptsactivate.bat
For linux   : source env/bin/activate 

Persyaratan pemasangan

 cd visualization
pip3 install -r requirements.txt

Menjalankan proyek

 python3 manage.py runserver

Buka jendela browser dan di tab baru buka tautan http://127.0.0.1:8000

Kontributor

• Ayush Dosajh - Modul Sentimen
• Ganesh Singh - Modul Prediksi
• Gulshan Singh - Modul Mesin Pencari
• Mayank Singh - Modul Visualisasi
• Sangamesh Kotalwar - Modul Perbandingan

Pengakuan

Kami sangat berhutang budi kepada Bapak Manish Hurkat dan Bapak Bhavesh Sangwan atas bimbingan dan pengawasan terus-menerus mereka serta untuk memberikan informasi yang diperlukan mengenai proyek ini & juga atas dukungan mereka dalam menyelesaikan proyek ini. Kami mengakui bahwa setiap karya yang saya serahkan untuk penilaian di NIIT University:

• Semua harus merupakan karya saya sendiri, kecuali persyaratan ini secara khusus dikecualikan ketika menjadi bagian dari tugas kelompok yang ditentukan.
• Tidak boleh disiapkan dengan bantuan orang lain, kecuali yang diizinkan berdasarkan pedoman Universitas atau pedoman penilaian khusus untuk suatu karya.
• Belum pernah diajukan untuk penilaian di Universitas ini atau di tempat lain.