Stock Market Analysis

Análise do Mercado de Ações

Objetivos

• Criação de um modelo para prever os preços das ações nos próximos 3 dias usando dados históricos.
• Análise de sentimento nas notícias/Twitter relacionadas a uma determinada ação.
• Comparar duas ou mais empresas com base em seu setor.
• Motor de busca para fazer uso de técnicas de recuperação de informações para pesquisa.
• Criar uma aplicação web para produzir relatórios abrangentes e compilar os resultados.

Trabalho realizado

• Módulo de previsão
  • O modelo considera o preço de fechamento e o volume negociado de todas as quatro moedas por 60 períodos de tempo e sugere se devemos comprar ou vender LITECOIN, 3 períodos de tempo no futuro.
  • Modelo final que levará 5 anos de dados de ações e sentimentos do Twitter como dados, fornecendo preços/sugestões futuras sobre compra ou venda de ações.
• Módulo de Análise de Sentimento
  • O primeiro passo foi construir um modelo para verificar a polaridade de um único tweet
  • Usando o feed do Twitter da ação como entrada
  • A alimentação é processada por um classificador (glob) e sua polaridade é decidida
  • A porcentagem de tweets positivos, negativos ou neutros é plotada na forma de um gráfico de barras.
  • Integrando notícias
  • Análise quantitativa detalhada de sentimento (por exemplo, inovação para tecnologia)
• Módulo de visualização
  • Crie um portal para os investidores onde possam encontrar análises, notícias, sobre a empresa.
  • Exiba um gráfico mostrando o gráfico da série temporal do preço de fechamento da empresa.
  • Mostre parâmetros como valor de mercado, valor contábil, crescimento de vendas e outros detalhes específicos da empresa.
  • Exibir análise fundamental da empresa que inclui Balanços Patrimoniais, saldos de P&L, Fluxos de Caixa da empresa.
  • Mostrar notícias/anúncios recentes feitos pela empresa
• Módulo de comparação
  • comparação entre duas ou mais ações com base no preço das ações - visualização feita
  • comparação entre duas ou mais ações com base em retornos e taxa de crescimento
  • Comparação baseada no modelo de precificação de ativos de capital
  • Comparação dependente do módulo de visualização
• Módulo de mecanismo de pesquisa
  • O protótipo recebe a consulta do usuário e a repassa ao sistema de IR.
  • O sistema de IR avalia a consulta e gera os principais resultados do banco de dados.
  • O ponto principal a ser observado aqui é que este não é um simples caso de resultado de consulta do sistema RDBMS, mas aqui temos dados não estruturados e com base nos resultados da avaliação do sistema IR obtemos os resultados.
  • Preenchimento automático usando Editar distância
  • Consultas curinga

Nosso projeto principal reside no módulo de visualização do branch master.

Começando

Estas instruções fornecerão uma cópia do projeto instalada e funcionando em sua máquina local para fins de desenvolvimento e teste

Pré-requisitos

O que você precisa para instalar o software

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

Instalar o Anaconda será melhor, pois a maioria das dependências será resolvida.

Instalando e executando

Uma série passo a passo de exemplos que mostram como colocar um ambiente de desenvolvimento em execução

Clonando o repositório em sua máquina

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

Construindo um ambiente virtual e iniciando o ambiente (se nenhum anaconda estiver instalado)

 virtualenv env

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

Requisitos de instalação

 cd visualization
pip3 install -r requirements.txt

Executando o projeto

 python3 manage.py runserver

Abra a janela do navegador e em uma nova aba acesse o link http://127.0.0.1:8000

Colaboradores

• Ayush Dosajh - Módulo de Sentimento
• Ganesh Singh - Módulo de previsão
• Gulshan Singh - Módulo de mecanismo de pesquisa
• Mayank Singh - Módulo de Visualização
• Sangamesh Kotalwar - Módulo de Comparação

Reconhecimento

Estamos muito gratos ao Sr. Manish Hurkat e ao Sr. Bhavesh Sangwan pela sua orientação e supervisão constante, bem como por fornecerem as informações necessárias sobre o projeto e também pelo seu apoio na conclusão do projeto. Reconhecemos que qualquer trabalho que eu enviar para avaliação na Universidade NIIT:

• Deve ser todo meu trabalho, a menos que este requisito seja especificamente excluído quando parte de um trabalho de grupo designado.
• Não deve ter sido preparado com a ajuda de qualquer outra pessoa, exceto aqueles permitidos pelas diretrizes da Universidade ou pelas diretrizes de avaliação específicas para o trabalho.
• Não foi previamente submetido para avaliação nesta Universidade ou em outro lugar.