surpriver
1.0.0
이상 탐지 및 기계 학습을 사용하여 움직이기 전에 높은 이동 주식을 찾으십시오. Armachiver는 머신 러닝을 사용하여 볼륨 + 가격 행동을보고 비정상적인 패턴을 유추하여 주식이 큰 움직임을 초래할 수 있습니다.
| 길 | 설명 |
|---|---|
| 놀라운 | 메인 폴더. |
| └ 사전 | 나중에 사용하기 위해 데이터 사전을 저장하는 폴더. |
| └ 수치 | 이 Github 리포지토리의 수치. |
| └ 주식 | 분석하려는 모든 주식 목록. |
| data_loader.py | Yahoo Finance의 데이터로드 모듈. |
| detection_engine.py | 데이터에서 이상 탐지를 실행하고 가장 특이한 가격과 볼륨 패턴을 가진 주식을 찾기위한 주요 모듈. |
| feaction_generator.py | 가격과 볼륨 수익 기능과 많은 기술 지표를 생성합니다. |
모델을 교육하고 테스트하려면 다음 패키지를 설치해야합니다.
다음 명령을 사용하여 모든 패키지를 설치할 수 있습니다. 스크립트는 Python3을 사용하여 작성되었습니다.
pip install -r requirements.txt
그것이 무엇인지 알고 있다면 Docker를 사용할 수 있고 그것을 사용하는 방법에 대한 지식이 있습니다. Docker와 함께 도구를 실행하는 단계는 다음과 같습니다.
docker build . -t surpriver<C:\path\to\this\dir> 교체하는 디렉토리로 교체하십시오.docker-compose up -d 실행하여 컨테이너를 실행하십시오docker exec -it surpriver 를 선물로 아래 명령을 실행하십시오.오늘날 가장 변칙적 인 주식을 직접 얻으려면 다음 명령을 간단하게 실행하여 가장 특이한 패턴을 가진 주식을 얻을 수 있습니다. 우리는 다음 섹션에서 명령에 대해 더 깊이 뛰어들 것입니다.
python detection_engine.py --top_n 25 --min_volume 5000 --data_granularity_minutes 60 --history_to_use 14 --is_load_from_dictionary 0 --data_dictionary_path 'dictionaries/data_dict.npy' --is_save_dictionary 1 --is_test 0 --future_bars 0
이 명령은 60 분 촛불 의 마지막 14 바 에서 가장 높은 이상 점수를 가진 상위 25 개 주식을 제공합니다. 또한 사전/data_dict.npy 폴더에서 예측하는 데 사용 된 모든 데이터를 저장합니다. 아래는 각 매개 변수에 대한 자세한 설명입니다.
python detection_engine.py --top_n 25 --min_volume 5000 --data_granularity_minutes 60 --history_to_use 14 --is_load_from_dictionary 1 --data_dictionary_path 'dictionaries/data_dict.npy' --is_save_dictionary 0 --is_test 0 --future_bars 0 --output_format 'CLI'
is_save_dictionary 및 is_load_from_dictionary 의 변경 사항에 주목하십시오.
다음은 단일 예측이 어떻게 보이는지에 대한 출력입니다. 음수 점수는 비정상적이고 특이한 패턴이 높고 양의 점수는 정상적인 패턴을 나타냅니다. 낮을수록 좋습니다 .
Last Bar Time: 2020-08-25 11:30:00-04:00
Symbol: SPI
Anomaly Score: -0.029
Today Volume (Today = Date Above): 313.94K
Average Volume 5d: 206.53K
Average Volume 20d: 334.14K
Volatility 5bars: 0.013
Volatility 20bars: 0.038
Future Absolute Sum Price Changes: 72.87
거래에서 기계 학습 및 인공 지능의 사용을 의심하는 경우 실제로이 도구의 예측을 과거 데이터에서 테스트 할 수 있습니다. 테스트를위한 가장 중요한 두 가지 명령 줄 인수는 IS_TEST 및 FUTURE_BARS 입니다. 전자가 1으로 설정되고 나중에는 5 이상으로 설정되면, 도구는 실제로 분석 목적으로 해당 양의 데이터를 남겨두고 비정상적인 예측을 위해 그 데이터를 사용합니다. 다음으로, 예측이 얼마나 잘되었는지 확인하기 위해 나머지 데이터를 살펴볼 것입니다. 다음은 다음 명령의 산점도의 예입니다.
python detection_engine.py --top_n 25 --min_volume 5000 --data_granularity_minutes 60 --history_to_use 14 --is_load_from_dictionary 0 --data_dictionary_path 'dictionaries/data_dict.npy' --is_save_dictionary 1 --is_test 1 --future_bars 25
이미 데이터 사전을 생성 한 경우 IS_LOAD_FROM_DICTIONARY를 1로 설정하고 IS_SAVE_DICTIONARY를 0으로 설정하는 다음 명령을 사용할 수 있습니다.
python detection_engine.py --top_n 25 --min_volume 5000 --data_granularity_minutes 60 --history_to_use 14 --is_load_from_dictionary 1 --data_dictionary_path 'dictionaries/data_dict.npy' --is_save_dictionary 0 --is_test 1 --future_bars 25
위의 이미지에서 볼 수 있듯이 변칙적 주식 (점수 <0)은 일반적으로 평균적으로 더 높은 절대 변화를 갖습니다. 그것은 예측이 실제로 다음 몇 시간/일 내에 평균보다 더 많은 주식을위한 것임을 증명합니다. 한 가지 질문이 여기에서 발생합니다. 도구가 가장 높은 변동성 주식을 선택하는 경우 미래의 절대적인 변화가 높아질 것이기 때문입니다. 그렇지 않다는 것을 증명하기 위해 위 명령에서 얻은 통계에 대한 자세한 설명이 있습니다.
--> Future Performance
Correlation between future absolute change vs anomalous score (lower is better, range = (-1, 1)): **-0.23**
Total absolute change in future for Anomalous Stocks: **89.660**
Total absolute change in future for Normal Stocks: **43.000**
Average future volatility of Anomalous Stocks: **0.332**
Average future volatility of Normal Stocks: **0.585**
Historical volatility for Anomalous Stocks: **2.528**
Historical volatility for Normal Stocks: **2.076**
정상 대 변칙성 주식에 대한 역사적 변동성은 그다지 다르지 않다는 것을 알 수 있습니다. 그러나 정상 주식과 비교하여 비정상 주식의 총 절대적인 미래 변화의 차이는 두 배입니다.
이제 사용하려는 주식 목록과 함께 사용하고 싶은 데이터 소스를 지정할 수 있습니다.
python detection_engine.py --top_n 25 --min_volume 500 --data_granularity_minutes 60 --history_to_use 14 --is_load_from_dictionary 0 --data_dictionary_path 'dictionaries/feature_dict.npy' --is_save_dictionary 1 --is_test 0 --future_bars 0 --data_source binance --stock_list cryptos.txt
우리는 매주 단일 매개 변수 세트에 대해 상위 25 개 결과를 게시하려고 노력할 것입니다.
이 도구는 가격과 볼륨 행동이 결합 된 비정상적인 행동을 가진 주식 만 발견합니다. 주식이 어떤 방향으로 이동할 것인지 예측하지는 않습니다. 그것은 앞으로 내가 구현할 기능 일지 모르지만 지금은 차트를보고 DD를 수행하여이를 파악해야합니다.
전환기의 제품
저작권 (C) 2020-Present, tradytics.com
