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

解決的問題

本專案提供一個使用機器學習預測股票市場走勢的系統。它旨在超越單純的價格預測，基於技術指標提供買進、賣出或持有等分類目標，並包含一個即時評估系統，可透過 Telegram、Twitter 或電子郵件發送警報。

運作方式

該系統遵循一個流程：透過 Alpha Vantage 或 Alpaca 等 API 收集歷史 OHLCV（開盤價、最高價、最低價、收盤價、成交量）資料，提取超過 600 個技術指標，並過濾掉雜訊模式。然後建立時間區間的資料視窗，並使用 TensorFlow、XGBoost 或 Scikit-Learn 訓練模型。模型被訓練以識別「真實值」點——顯著的價格變動（例如，3 小時內變動 2.5%）——從而對未來的市場走勢進行分類。

適用對象

本工具專為對將機器學習應用於金融市場感興趣的交易員與開發者設計，需具備 Python 與技術分析的基礎知識。

主要亮點

• 廣泛的模型測試：支援 36 種不同模型組合的測試，包括 LSTM、GRU 和 Dense 網路。
• 即時警報：與 Telegram、Twitter 和郵件整合，提供即時市場通知。
• 廣泛的指標集：使用 637 個技術股票指標來支援預測。
• 分類輸出：預測具體操作（買進／賣出／持有），而非試圖預測精確的連續價格值。