Leci37/TensorFlow-stocks-prediction-Machine-learning-RealTime

解决的问题

本项目提供一个使用机器学习预测股票市场走势的系统。它旨在超越简单的价格预测，基于技术指标提供购买、卖出或持有等分类目标，并包含一个实时评估系统，可通过 Telegram、Twitter 或电子邮件发送警报。

工作原理

该系统遵循一个流程：通过 Alpha Vantage 或 Alpaca 等 API 收集历史 OHLCV（开盘价、最高价、最低价、收盘价、成交量）数据，提取超过 600 个技术指标，并过滤掉噪声模式。然后创建基于时间的数据窗口，并使用 TensorFlow、XGBoost 或 Scikit-Learn 训练模型。模型被训练以识别“真实值”点——显著的价格变动（例如，3 小时内变动 2.5%）——从而对未来的市场走势进行分类。

适用人群

本工具专为对将机器学习应用于金融市场感兴趣的交易员和开发者设计，需具备 Python 和技术分析的基础知识。

主要亮点

• 广泛的模型测试：支持 36 种不同模型组合的测试，包括 LSTM、GRU 和 Dense 网络。
• 实时警报：与 Telegram、Twitter 和邮件集成，提供实时市场通知。
• 广泛的指标集：使用 637 个技术股票指标来支持预测。
• 分类输出：预测具体操作（买入/卖出/持有），而非试图预测精确的连续价格值。