Nifty Prediction

การทำนายราคาหุ้นของ Nifty 50 บริษัท

สมาชิกกลุ่ม

• Nihal N. Bhopatrao (ม้วนหมายเลข 5)
• Sanket R. Kumbhare (ม้วนหมายเลข 36)
• Shashank D. Wankhede (ม้วนหมายเลข 59)

---

คู่มือโครงการ

• ศ. เป็น Kunte

---

เนื้อหา

ไดเรกทอรีหลัก

 Nifty-Prediction  
└───Documents
└───Nifty-50-Prediction
└───models
└───Screenshots

1. โฟลเดอร์เอกสาร

มีรายงาน PPT และไดอารี่โครงการในภาคเรียน ^ที่ 7 และ ⁸

ไดเรกทอรีเอกสาร

 Documents
|   7th sem project diary smpp.pdf
|   PPT Sem8 Stock Market Prediction.pdf
|   Project Report Stock Market Prediction.pdf
|   Sem 8 Project Diary.pdf
|   Sem8 report stock Price Prediction.pdf
|   Stock Market Prediction PPT-converted.pptx 

2. โฟลเดอร์ Nifty-50-Prediction

มีไฟล์โครงการและโฟลเดอร์ Django ต่อไปนี้

ไดเรกทอรีการคาดการณ์ Nifty-50

 Nifty-50-Prediction
└───Stock_Prediction
└───lstm
└───stock
|   db.sqlite3
|   manage.py
|   nifty50Companies.csv 

• stock_prediction

โครงการ Django มีการกำหนดค่าบางอย่างที่ใช้กับโครงการโดยรวมเช่นการตั้งค่าโครงการ URL เทมเพลตที่ใช้ร่วมกันและไฟล์คงที่ แต่ละแอปพลิเคชันสามารถมีฐานข้อมูลของตัวเองและมีฟังก์ชั่นของตัวเองเพื่อควบคุมวิธีการแสดงข้อมูลต่อผู้ใช้ในเทมเพลต HTML
ไดเรกทอรี stock_prediction

 Stock_Prediction
|   __init__.py
|   asgi.py
|   settings.py
|   urls.py
|   wsgi.py

• LSTM

มันเป็นเครือข่ายประสาทชนิดพิเศษที่มีความสามารถในการเรียนรู้การพึ่งพาข้อมูลในระยะยาว นี่คือความสำเร็จเนื่องจากโมดูลที่เกิดขึ้นซ้ำของแบบจำลองมีการรวมกันของสี่ชั้นที่มีปฏิสัมพันธ์ซึ่งกันและกัน
ไดเรกทอรี LSTM

 lstm
|   RunModel.py
|   TrainModel.py
|   lstmModel_final.json
|   weights_final.h5

รุ่น LSTM ของเรา
รหัสต่อไปนี้มาจาก trainmodel.py

 model = Sequential ()
model . add ( LSTM ( 64 , activation = 'relu' , return_sequences = True , input_shape = ( n_steps , n_features )))
model . add ( LSTM ( 64 , activation = 'relu' ))
model . add ( Dense ( 1 ))
model . compile ( optimizer = 'adam' , loss = 'mse' ,)
model . fit ( X , y , epochs = 30 , verbose = 1 )

การทำนายเป็นเวลา 30 วัน
รหัสต่อไปนี้มาจาก runmodel.py

 def getNext30Days ( self ):
        self . __inputHandler ()
        dataset = self . data
        dataset = dataset [ 'Close' ]. values
        dataset = dataset [ len ( dataset ) - 30 :]
        n_features = 1
        n_steps = 30
        past_days = 30
        # demonstrate prediction for next 30 days
        x_input = np . array ( dataset . tolist ())
        temp_input = list ( x_input )
        lst_output = []
        i = 0
        while ( i < 30 ):

            if ( len ( temp_input ) > past_days ):
                x_input = np . array ( temp_input [ 1 :])
                x_input = x_input . reshape (( 1 , n_steps , n_features ))
                yhat = self . model . predict ( x_input , verbose = 0 )
                temp_input . append ( yhat [ 0 ][ 0 ])
                temp_input = temp_input [ 1 :]
                lst_output . append ( yhat [ 0 ][ 0 ])
                i = i + 1
            else :
                x_input = x_input . reshape (( 1 , n_steps , n_features ))
                yhat = self . model . predict ( x_input , verbose = 0 )
                temp_input . append ( yhat [ 0 ][ 0 ])
                lst_output . append ( yhat [ 0 ][ 0 ])
                i = i + 1
        print ( lst_output )
        predictions = lst_output
        return predictions 

• คลังสินค้า

แอปพลิเคชัน Django เป็นแพ็คเกจ Python ที่มีไว้สำหรับใช้ในโครงการ Django โดยเฉพาะ แอปพลิเคชันอาจใช้อนุสัญญา Django ทั่วไปเช่นมีแบบจำลองการทดสอบ URL และมุมมองใต้น้ำ
ไดเรกทอรีสต็อก

 stock
└───migrations
└───templates
|   |   base.html
|   |   home.html
|   |   signup.html
|   __init__.py
|   admin.py
|   apps.py
|   forms.py
|   models.py
|   tests.py
|   views.py

• db.sqlite3

SQLITE3 เป็นไลบรารีซอฟต์แวร์ที่มีระบบการจัดการฐานข้อมูลเชิงสัมพันธ์ Lite ใน SQLite หมายถึงน้ำหนักเบาในแง่ของการตั้งค่าการบริหารฐานข้อมูลและทรัพยากรที่จำเป็น SQLite มีคุณสมบัติที่เห็นได้ชัดเจนดังต่อไปนี้: ในตัวเอง, serverless, serverless, zero-configuration, การทำธุรกรรม
เรากำลังใช้ SQLITE3 สำหรับการจัดการการรับรองความถูกต้องของผู้ใช้

• จัดการ.

ยูทิลิตี้บรรทัดคำสั่งที่ให้คุณโต้ตอบกับโครงการ Django นี้ได้หลายวิธี คุณสามารถอ่านรายละเอียดทั้งหมดเกี่ยวกับ manage.py ใน django-admin และ manage.py ไดเรกทอรี mysite ภายในเป็นแพ็คเกจ Python จริงสำหรับโครงการของคุณ

• nifty50Companies.csv

ไฟล์ CSV ที่มีรายการของ บริษัท Nifty 50 ที่มีสัญลักษณ์ของพวกเขา

3. โมเดลโฟลเดอร์

มีการทดลองกับแบบจำลอง

ไดเรกทอรีแบบจำลอง

 models
|   NiftyPrediction.ipynb
|   NiftyPrediction.ipynb

4. โฟลเดอร์ภาพหน้าจอ

มีภาพหน้าจอของ UI

หน้าแรก/เข้าสู่ระบบ	หน้าลงทะเบียน

การทำนาย	ส่วนข่าว

---

ห้องสมุดที่จำเป็น

• django Django เป็นเฟรมเวิร์กเว็บ Python ระดับสูงที่ส่งเสริมการพัฒนาอย่างรวดเร็วและการออกแบบที่สะอาด
• nsepy NSEPY เป็นห้องสมุดเพื่อแยกข้อมูลประวัติและเรียลไทม์จากเว็บไซต์ของ NSE
• sklearn เครื่องมือที่เรียบง่ายและมีประสิทธิภาพสำหรับการวิเคราะห์ข้อมูลการทำนาย
• tenserflow TensorFlow เป็นแพลตฟอร์มโอเพ่นซอร์สแบบ end-to-end สำหรับการเรียนรู้ของเครื่อง
• keras Keras เป็น API การเรียนรู้อย่างลึกซึ้งที่เขียนใน Python ซึ่งทำงานอยู่ด้านบนของแพลตฟอร์มการเรียนรู้ของเครื่อง TensorFlow
• datetime โมดูล DateTime จัดหาคลาสสำหรับการจัดการวันที่และเวลา

---

ผู้มีส่วนร่วม

Sanket-Kumbhare	Swankhede	Nihalbhopatrao	kgce-git

---