Добро пожаловать на проект "Разработка нейросетевого программного робота для анализа тенденций на торговых биржах"

Проект создан для диссертации по защите степени в КазУТБ.

Установка

Дальше идет инструкция по установке проекта, но она с учетом того, что Вы знаете хотя бы основы работы на Линуксе и Питоне.

Пререквизиты

Необходимые составляющие проекта:

1. Работающий компьютер с системой Linux (Лучше всего Debian или Ubuntu)
2. Ровные ручки
3. Интернет
4. Клиент GIT, тут лежит инструкция как ее установить

Скачивание проекта

Тут все просто:

1. Откройте терминал.
2. Запускайте этот скрипт:

git clone https://github.com/BiggyBaron/LSTMforKazUTB.git

3. Зайдите в папку проекта, и сидите там, так как еще много чего надо будет сделать.

cd LSTMforKazUTB

Установка среды Anaconda

Anaconda - специальная среда Python для специалистов больших данных, именно нам она нужна. ** Далее инструкция только для ОС Debian**

1. Вот тут лежит инструкция по установке Anaconda.
2. Теперь надо создать виртуальную среду из файла (вы должны быть в папке проекта):

conda env create -f ml.yml

3. Теперь активируйте среду:

source activate ml

4. Запускайте страницу и любуйтесь:

python3 web-page.py

5. Заходите в браузере по адресу: http://localhost:8090/
6. ???
7. PROFIT!

Файлы в проекте

Далее представлены файлы и папки проекта, чтобы Вы не запутались.

• LSTMforKazUTB/ - Скачанная Вами папка
• ├── data - Папка с базой данных
• │   ├── data.csv - База данных для анализа, которая создается программой
• │   ├── DISSER-BRENT.csv - Скачанная с сайта Investing.com база данных о цене нефти с сентября 2015 г бренда BRENT
• │   ├── DISSER-DATA.csv - Скачанная с официального сайта Национального банка РК курсы доллара и рубля
• │   └── prepare_data.py - Модуль, который создает базу данных в один файл
• ├── download_API.py - API, который скачивает значения курса валют и нефти BRENT
• ├── LICENSE - Лицензия MIT
• ├── main.py - ПО ИНС, тренировка и использование ИНС
• ├── README.md - Файл "ПРОЧИТАЙ МЕНЯ"
• ├── requirements.txt - Файл со списком необходимых библиотек Python, если не хотите делать conda
• ├── static - Файлы для работы сайта
• │   └── ActualvsPredicted.png - Картинка график предугаданных значений
• ├── templates - Папка с html файлом сайта
• │   └── main.html - Сам сайт
• ├── web-page.py - Скрипт, который запускает веб-интерфейс
• ├── ml.yml - Виртуальная среда этого проекта
• ├── _config.yml - Забей, это для Github нужно
• ├── сохранение_ИНС.json - Сохраненная модель ИНС
• └── сохранение_ИНС_весы.h5 - Весы модели ИНС

Как это работает?

Подготовка данных

Подготовка данных идет в модуле prepare_data.py.

1. Необходимо скачать данные о курсе из официального сайта Национального Банка тут
2. ** Качаем только доллар США и рубль** с 1 сентября 2015 по нынешнюю дату
3. Упаковываем в файл DISSER-DATA.csv, проверьте чтобы было похоже на то, что было
4. Заходим на сайт Investing.com и регистрируемся тут
5. Качаем данные с 1 сентября 2015 года по нынешнюю дату
6. Сохраняем в файл DISSER-BRENT.csv, ** данные должны выглядеть также как и в оригинале документа**
7. Запускаем скрипт:

python3 ./data/prepare_data.py

8. Открываем файл data.csv
9. Проверяем данные

Обучение нейронной сети

1. Запускаем скрипт:

python3 main.py

2. Смотрим как раз за разом появляются графики и заумные выводы в терминал
3. Круто! Теперь у Вас есть ИНС.

Запуск самой системы

1. Запускайте страницу и любуйтесь:

python3 web-page.py

2. Заходите в браузере по адресу: http://localhost:8090/
3. ???
4. PROFIT!

Больше информации

В ближайшее время замучу Вики страницу, там выложу больше информации. А может просто залью диссер сюда, я там как для идиотов писал, каждый пункт.

Об авторе

Я крут.