股市预测器 这个项目是我毕业的最后一年项目的一部分。 它是一个 Web 应用程序,可以使用 RNN-LSTM 神经网络预测即将到来的股票市场趋势,并建议是否购买或出售特定公司的股票。 问题陈述 “股市是混乱和不可预测的,供需的任何轻微波动都会影响股价。 因此,未来的股票市场价格具有模糊性和高度波动性,需要准确预测未来的股票价格和波动。” 建议的解决方案 “创建一个界面,可以帮助投资者或财务顾问预测股票价格,从而为他们提供竞争优势。” 控制流 用户输入公司名称。 公司名称被转换成相应的股票代码。 该公司的历史股票报价来自雅虎财经。 对数据集进行技术、基本面和情绪分析。 该数据集使用 LSTM-RNN 进行训练。 预测值在用户的基于 Web 的 UI 中显示为图形。 向用户提供购买或出售的建议以及其他详细信息。 技术和基本面分析 数据采集 给定公司的历史股票报价通过 Yahoo Fin
2021-08-04 18:07:35 44.69MB HTML
1
所有当前标准普尔500指数公司的历史股票数据,Historical stock data for all current S&P 500 companies,所有文件都有以下的列: Date——格式:yy-mm-dd Open——开盘时的股票价格(这是纽约证券交易所的数据,所以都是美元) High——当天达到的最高价格 Low Close——当天达到的最低价格 Volume——股票交易数量 Name——股票代码名称 该数据集可用于股票分析与预测。
2021-08-03 09:22:32 19.34MB dataset kaggle python
1
不和谐股票机器人 我为我经营的一个私人股票交易不和谐小组制作了这个。 这最初只是放在一起,我计划了很多增强功能和功能。 如果您有任何想要实现的功能,请提交带有功能请求标签的新问题,我会回复:) 示例图表 示例命令 $avgo -> 显示 5 分钟$avgo图表 $aapl w -> 显示每周 AAPL 图表 $tsla rsi macd -> 在 TSLA 日线图上显示 RSI 和 MACD 指标 $spy line -> 显示 5 分钟 SPY 折线图 $/es -> 显示 5 分钟标准普尔 500 期货图表 $.btc -> 显示 5 分钟 BTC 图表 $usd/jpy w -> 显示美元/日元外汇周线图 $sectors ytd -> 显示年初至今的部门表现 股票、指数和股票 示例: $tsla rsi mfi 可用参数 指标 rsi -> 相对强弱指数。 默认设置为14 m
2021-07-24 11:03:49 246KB charts discord stock-market stocks
1
简单的新浪股票API调用
2021-07-16 10:53:11 78KB javascript sina api stock
1
股价下跌检查器 检查股票列表以查看价格是否在指定天数内从其最高价格下降了特定百分比。 目标是主要识别在过去几周或几个月内价格从其最大值大幅下跌的指数 ETF,这可能预示着买入机会。 作者 要求 参数解析 matplotlib - 用于从雅虎获取股票报价数据! 金融 您可以使用 pip 安装它们: pip install argparse pip install matplotlib 或者您可以使用 pip 和 requirements.txt 文件安装它们: pip install -r requirements.txt 例子 显示帮助菜单: python stock-price-decline-checker.py -h usage: stock-price-decline-checker.py [-h] [-s SYMBOLS] [-p PERCENT] [-d DAYS
2021-07-07 21:03:23 4KB Python
1
股价走势预测 使用 Mahout 和 Pydoop+Scikit-learn 预测股价走势 我们网站上的详细信息: :
2021-07-05 18:05:27 1.62MB JavaScript
1
本文档为数据集,1990~2015股票最高单变量数据集。stock_dataset(1990~2015股票最高单变量数据集).rar
2021-07-05 09:52:04 61KB 数据集
1
自动股票交易的深度强化学习:整体策略 该存储库提供了代码 的Jupiter Notebook重新实现了这种整体策略。 抽象的 股票交易策略在投资中起着至关重要的作用。 但是,在复杂而动态的股票市场中设计一种有利可图的战略是具有挑战性的。 在本文中,我们提出了一种深度集成强化学习方案,该方案可以通过最大化投资回报来自动学习股票交易策略。 我们训练一种深度强化学习代理,并使用三种基于行为者批评的算法来获得整体交易策略:近距离策略优化(PPO),优势参与者批评者(A2C)和深度确定性策略梯度(DDPG)。 集成策略继承并集成了三种算法的最佳功能,从而可以稳健地适应不同的市场条件。 为了避免在具有连续动作空间的训练网络中消耗大量内存,我们采用按需加载方法来处理非常大的数据。 我们在30支具有足够流动性的道琼斯股票上测试了我们的算法。 评估了具有不同强化学习算法的交易代理商的表现,并与道琼斯工业平均
1
显示股票中的16个常用指标 一个python的类库stockstats 已经帮忙把这些数据都计算出来了。 具体的计算代码 可以直接查看 stockstats。现在需要做的就是把这些数据用图形展示出。 主要指标有KLINE,MA, CR指标 KDJ指标 SMA指标 MACD指标 BOLL指标 RSI指标 WR指标 CCI指标 TR、ATR指标 DMA指标 DMI,+DI,-DI,DX,ADX,ADXR指标 TRIX,MATRIX指标 VR,MAVR指标 等。
2021-06-25 16:08:16 212KB python matplotlib stock stockstats
1
欢迎使用 Stockvestigator 3000,这是一个带有命令行界面的股票信息收集服务。 从终端运行 bundle install 以安装必要的 gems 和 bin/run 以启动程序!
2021-06-23 12:04:35 5KB Ruby
1