Stock Market Analysis 다운로드 - Stock Market Analysis 소스코드 다운로드

Stock Market Analysis

기타 소스코드

1.0.0

다운로드

주식-시장-분석

목표

과거 데이터를 사용하여 다음 3일 주가를 예측하는 모델을 만듭니다.
특정 주식과 관련된 뉴스/트위터에 대한 감성 분석입니다.
업종에 따라 두 개 이상의 회사를 비교합니다.
검색을 위해 정보 검색 기술을 활용하는 검색 엔진.
포괄적인 보고서를 생성하고 결과를 수집하는 웹 애플리케이션을 만듭니다.

작업 완료

예측 모듈
- 이 모델은 60개 기간 동안 4개 통화 모두의 종가와 거래량을 취하고 미래 3개 기간 동안 LITECOIN을 매수 또는 매도해야 하는지 제안합니다.
- 5년간의 주식 데이터와 트위터 감정을 입력으로 사용하여 주식 매수 또는 매도에 대한 미래 가격/제안을 제공하는 최종 모델입니다.
감정 분석 모듈
- 첫 번째 단계는 단일 트윗의 극성을 확인하는 모델을 구축하는 것이었습니다.
- 주식의 트위터 피드를 입력으로 사용
- 피드는 분류기(glob)에 의해 처리되며 극성이 결정됩니다.
- 긍정적이거나 부정적인 트윗의 비율은 막대 그래프 형태로 표시됩니다.
- 뉴스 통합
- 상세한 정량적 감정 분석(예: 기술 혁신)
시각화 모듈
- 투자자가 회사에 대한 분석, 뉴스를 찾을 수 있는 포털을 만듭니다.
- 회사 종가의 시계열 도표를 보여주는 차트를 표시합니다.
- 시가총액, 장부가치, 매출 성장 및 회사별 기타 세부정보와 같은 매개변수를 표시합니다.
- 회사의 대차대조표, 손익 잔액, 현금 흐름을 포함하는 회사의 기본 분석을 표시합니다.
- 최근 뉴스/회사 공지사항 보기
비교 모듈
- 주가를 기준으로 두 개 이상의 주식을 비교 - 시각화 완료
- 수익률과 성장률을 기준으로 두 개 이상의 주식을 비교합니다.
- 자본자산가격결정모형에 따른 비교
- 시각화 모듈에 따른 비교
검색 엔진 모듈
- 프로토타입은 사용자로부터 쿼리를 받아 IR 시스템에 제공합니다.
- IR 시스템은 쿼리를 평가하고 데이터베이스에서 상위 결과를 출력합니다.
- 여기서 주목해야 할 점은 이것이 단순한 RDBMS 시스템의 질의-결과 사례가 아니라 여기에는 비정형 데이터가 있고 IR 시스템의 평가 결과를 기반으로 결과를 얻는다는 것입니다.
- Edit Distance를 사용하여 자동 완성
- 와일드카드 쿼리

우리의 주요 프로젝트는 마스터 브랜치의 시각화 모듈에 있습니다.

시작하기

이 지침은 개발 및 테스트 목적으로 로컬 컴퓨터에서 프로젝트 사본을 시작하고 실행하는 데 도움이 됩니다.

전제 조건

소프트웨어를 설치하는 데 필요한 것

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

대부분의 종속성이 처리되므로 Anaconda를 설치하는 것이 더 좋습니다.

설치 및 실행

개발 환경을 실행하는 방법을 알려주는 단계별 예제 시리즈

머신에서 저장소 복제

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

가상 환경 구축 및 환경 시작(아나콘다가 설치되어 있지 않은 경우)

 virtualenv env

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

설치 요구 사항

 cd visualization
pip3 install -r requirements.txt

프로젝트 실행

 python3 manage.py runserver

브라우저 창을 열고 새 탭에서 http://127.0.0.1:8000 링크로 이동합니다.

기여자

Ayush Dosajh - 감정 모듈
Ganesh Singh - 예측 모듈
Gulshan Singh - 검색 엔진 모듈
Mayank Singh - 시각화 모듈
Sangamesh Kotalwar - 비교 모듈

승인

우리는 지도와 지속적인 감독은 물론 프로젝트에 필요한 정보를 제공하고 프로젝트 완료를 지원한 Manish Hurkat 씨와 Bhavesh Sangwan 씨에게 큰 빚을 지고 있습니다. 우리는 NIIT 대학에서 평가를 위해 제출하는 모든 작업에 대해 다음 사항을 인정합니다.