این تعهد متعلق به هیچ شعبه ای در این مخزن نیست و ممکن است متعلق به یک چنگال در خارج از مخزن باشد.

شاخه ها/برچسب ها را تغییر دهید برچسب های شاخه شاخه ها را بارگیری نکرد چیزی برای نشان دادن برچسب ها را بارگیری نکرد چیزی برای نشان دادن

نام در حال استفاده

یک برچسب در حال حاضر با نام شاخه ارائه شده وجود دارد. بسیاری از دستورات GIT نام برچسب و شاخه را می پذیرند ، بنابراین ایجاد این شاخه ممکن است باعث رفتار غیر منتظره شود. آیا مطمئن هستید که می خواهید این شاخه را ایجاد کنید؟

لغو ایجاد رمز

• محلی
• مکاشه

https github cli با استفاده از URL وب از Git یا Checkout با SVN استفاده کنید. با CLI رسمی ما سریع کار کنید. بیشتر بدانید.

ورود به سیستم لازم

لطفاً برای استفاده از برنامه های کد وارد سیستم شوید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی Xcode

اگر هیچ اتفاقی نمی افتد ، Xcode را بارگیری کنید و دوباره امتحان کنید.

راه اندازی کد ویژوال استودیو

فضای کد شما یک بار آماده خواهد شد.

مشکلی برای تهیه فضای کدگذاری شما وجود داشت ، لطفاً دوباره امتحان کنید.

آخرین تعهد

5241766 سپتامبر 21 ، 2020

منابع PKG را حذف کنید

5241766

آمار git

فایل ها

بارگیری آخرین اطلاعات متعهد انجام نشد.

نوع نام آخرین پیام تعهد زمان متعهد شدن رمز

readme. md

تعجب آور - قبل از حرکت سهام در حال حرکت بالا پیدا کنید

قبل از حرکت با استفاده از تشخیص ناهنجاری و یادگیری ماشین ، سهام در حال حرکت بالا پیدا کنید. شگفت آور از یادگیری ماشین برای نگاه به حجم + عمل قیمت و استنباط الگوهای غیرمعمول که می تواند منجر به حرکات بزرگ در سهام شود ، استفاده می کند.

برای آموزش و آزمایش مدل ها باید بسته زیر را نصب کنید.

می توانید تمام بسته ها را با استفاده از دستور زیر نصب کنید. لطفاً توجه داشته باشید که این اسکریپت با استفاده از Python3 نوشته شده است.

pip instal l-r نیاز. txt 

دویدن با داکر

اگر می دانید که چیست و دانش در مورد نحوه استفاده از آن نیز می توانید از Docker استفاده کنید. در اینجا مراحل اجرای ابزار با Docker آورده شده است.

• ابتدا باید ظرف را بسازید: Docker Build.-تعجب آور نیست
• سپس باید محتوای docker-compose. yml. template را در یک پرونده جدید به نام docker-compose. yml کپی کنید
• با دایرکتوری که در آن کار می کنید جایگزین کنید.
• ظرف را با اجرای Docke r-Compose U p-d اجرا کنید
• با آماده سازی Docker Exe c-it Surperiver به خط فرمان خود ، هر یک از دستورات زیر را اجرا کنید.

پیش بینی برای امروز

اگر می خواهید به جلو بروید و مستقیماً غیر عادی ترین سهام را برای امروز بدست آورید ، می توانید دستور زیر را ساده اجرا کنید تا سهام را با غیرمعمول ترین الگوهای دریافت کنید. ما در بخش های زیر عمیق تر به دستور شیرجه خواهیم زد.

برای امروز بیشترین سهام غیر عادی دریافت کنید

هنگامی که فرهنگ لغت داده را ذخیره نمی کنید و برای اولین بار آن را اجرا می کنید.

این دستور 25 سهام برتر را که بالاترین امتیاز ناهنجاری را در 14 میله آخر شمع 60 دقیقه ای داشتند ، به شما می دهد. همچنین تمام داده هایی را که برای پیش بینی در پوشه فرهنگ لغت/data_dict. npy استفاده کرده است ، ذخیره می کند. در زیر توضیح مفصلی در مورد هر پارامتر آورده شده است. 

TOP_N: تعداد کل سهام غیر عادی که می خواهید ببینید.

• min_volume: فیلتر برای حجم. هر سهام که به طور متوسط حجم پایین تر از این مقدار باشد ، نادیده گرفته می شود.
• data_granularity_minutes: دانه بندی داده ها برای استفاده برای تجزیه و تحلیل. گزینه های موجود 1min ، 5min ، 15min ، 30min ، 60min است.
• HISTORY_TO_USE: میله های تاریخی برای استفاده برای تجزیه و تحلیل الگوهای غیرمعمول و غیر عادی.
• IS_SAVE_DICTIONARY: آیا داده های سهام را که برای تجزیه و تحلیل در یک فرهنگ لغت استفاده می شود یا نه ، ذخیره کنید. اگر می خواهید تجزیه و تحلیل بیشتری در مورد داده ها انجام دهید ، این امر باعث صرفه جویی در وقت شما می شود.
• data_dtionary_path: مسیر فرهنگ لغت که در آن داده ها ذخیره می شوند.
• is_load_from_dtionary: آیا داده ها را از فرهنگ لغت بارگیری کنید یا آن را مستقیماً از یاهو مالی بارگیری کنید. می توانید از فرهنگ لغت که در بالا در اینجا ذخیره کرده اید برای چندین اجرا استفاده کنید.
• IS_TEST: شما در واقع می توانید پیش بینی ها را با ترک برخی از داده های اخیر به عنوان داده های آینده و تجزیه و تحلیل اینکه آیا غیر عادی ترین سهام پس از پیش بینی های خود بیشترین حرکت را انجام داده است ، آزمایش کنید. اگر این مقدار 1 باشد ، مقدار Future_Bars باید بیشتر از 5 باشد.
• Future_Bars: این تعداد میله ها از تاریخ اخیر برای اهداف آزمایش ذخیره می شوند.
• output_format: قالب نتایج. اگر از CLI عبور کنید ، نتایج به کنسول چاپ می شود. اگر JSON را تصویب کنید ، یک فایل JSON با نتایج برای تاریخ امروز ایجاد می شود. پیش فرض CLI است.
• هنگامی که فرهنگ لغت داده را ذخیره کرده اید ، می توانید دستور زیر را اجرا کنید.

CLI '

به تغییر در is_save_dtionary و is_load_from_dtionary توجه کنید. 

در اینجا خروجی چگونگی پیش بینی یک پیش بینی است. لطفاً توجه داشته باشید که نمرات منفی الگوهای غیر عادی و غیرمعمول بالاتر را نشان می دهد در حالی که نمرات مثبت الگوهای طبیعی را نشان می دهد. پایین تر بهتر

آخرین بار بار: 2020-08-25 11: 30: 00-04: 00 نماد: SPI Anomaly نمره: -0. 029 حجم امروز (امروز = تاریخ بالاتر): 313. 94K میانگین حجم 5d: 206. 53k میانگین حجم 20D: 334. 14k بی ثباتی5bars: 0. 013 نوسانات 20bars: 0. 038 تغییر قیمت مطلق آینده: 72. 87

آزمایش روی داده های تاریخی 

اگر به استفاده از یادگیری ماشین و هوش مصنوعی در تجارت مشکوک هستید ، در واقع می توانید پیش بینی های این ابزار را در مورد داده های تاریخی آزمایش کنید. دو آرگومان مهم خط فرمان برای آزمایش IS_TEST و FUTUNE_BARS هستند. اگر مورد قبلی به 1 تنظیم شود و مورد بعدی روی هر چیزی بیش از 5 تنظیم شود ، این ابزار در واقع این مقدار از داده ها را برای اهداف تجزیه و تحلیل باقی می گذارد و از داده ها قبل از آن برای پیش بینی های غیر عادی استفاده می کند. در مرحله بعد ، این داده های باقی مانده را بررسی می کند تا ببیند پیش بینی ها چقدر خوب انجام داده اند. در اینجا نمونه ای از طرح پراکندگی از دستور زیر آورده شده است.

سهام غیر عادی را پیدا کنید و آنها را بر روی داده های تاریخی آزمایش کنید

Python Detection_Engine. p y-top_n 2 5-min_volume 500 0-data_granulary_minutes 6 0-history_to_use 1 4-load_from_dictionary 0-data_dictionary_path 'dictionaries/data_dict. npy' --is_save_dive_diciociation 1 -

اگر قبلاً فرهنگ لغت داده را تولید کرده اید ، می توانید از دستور زیر استفاده کنید که در آن ما is_load_from_dtionary را به 1 و is_save_dionary به 0 تنظیم می کنیم. 

Python Detection_Engine. p y-top_n 2 5-min_volume 500 0-data_granulary_minutes 6 0-history_to_use 1 4-load_from_dictionary 1-data_dictionary_path 'dictionaries/data_dict. npy' --is_save_dave_dizion_dizion_dively_test 1 -

همبستگی عملکرد آینده بین تغییر مطلق آینده در مقابل نمره غیر عادی (پایین تر ، دامنه = (-1 ، 1)): **-0. 23 ** تغییر مطلق در آینده برای سهام غیر عادی: ** 89. 660 ** کل تغییر مطلق در آیندهبرای سهام عادی: ** 43. 000 ** متوسط نوسانات آینده سهام غیر عادی: ** 0. 332 ** متوسط نوسانات آینده سهام عادی: ** 0. 585 ** نوسانات تاریخی برای سهام غیر عادی: ** 2. 528 ** نوسانات تاریخی برای سهام عادی:** 2. 076 ** 

>می بینید که نوسانات تاریخی برای سهام عادی و غیر عادی متفاوت نیست. با این حال ، تفاوت در کل تغییر مطلق آینده برای سهام غیر عادی نسبت به سهام عادی دو برابر است. 

پشتیبانی از ارزهای رمزپایه

اکنون می توانید مشخص کنید که از کدام منبع داده دوست دارید از کدام لیست سهام استفاده کنید که می خواهید از آن استفاده کنید.

Python Detection_Engine. p y-top_n 2 5-min_volume 50 0-data_granulary_minutes 6 0-history_to_use 1 4-load_from_dictionary 0-data_dictionary_path 'dictionaries/action_dict. npy' --sours_save_dizion_diction_teSte--stock_list cryptos. txt

data_source: مشخص می کند که از کجا می توان داده ها را دریافت کرد ، گزینه های پشتیبانی شده فعلی binance و yahoo_finance (پیش فرض) 

• StockS_LIST: کدام پرونده در فهرست سهام شامل لیست تیک های تیک برای تجزیه و تحلیل است. پیش فرض سهام است.
• ما سعی خواهیم کرد 25 نتیجه برتر را برای یک مجموعه واحد از پارامترها هر هفته ارسال کنیم.

این ابزار فقط سهام را پیدا می کند که در قیمت و عمل حجم آنها رفتار غیرمعمول دارند. پیش بینی نمی کند که سهام در کدام جهت حرکت کند. این ممکن است ویژگی ای باشد که من در آینده پیاده سازی خواهم کرد اما در حال حاضر ، شما باید به نمودارها نگاه کنید و DD خود را انجام دهید تا این موضوع را مشخص کنید.

کپی رایت (ج) 2020-Sentent ، tradytics. com

در باره

قبل از حرکت با استفاده از یادگیری ماشین و تشخیص ناهنجاری ، سهام بزرگ متحرک را پیدا کنید