Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/pilestin/bist30-stock-market-forecasting

Ondokuz Mayıs Üniversitesi Bilgisayar Mühendisliği Bitirme Projesi
https://github.com/pilestin/bist30-stock-market-forecasting

deep-learning keras linear-regression lstm lstm-neural-networks machine-learning neural-network pandas python stock-price-prediction streamlit yahoo-finance

Last synced: about 2 months ago
JSON representation

Ondokuz Mayıs Üniversitesi Bilgisayar Mühendisliği Bitirme Projesi

Host: GitHub
URL: https://github.com/pilestin/bist30-stock-market-forecasting
Owner: Pilestin
Created: 2022-12-25T21:35:52.000Z (about 2 years ago)
Default Branch: master
Last Pushed: 2024-06-06T17:59:33.000Z (8 months ago)
Last Synced: 2024-06-06T19:48:59.421Z (8 months ago)
Topics: deep-learning, keras, linear-regression, lstm, lstm-neural-networks, machine-learning, neural-network, pandas, python, stock-price-prediction, streamlit, yahoo-finance
Language: Python
Homepage: https://final-omu.streamlit.app/
Size: 1.87 MB
Stars: 5
Watchers: 2
Forks: 0
Open Issues: 0
Metadata Files:
- Readme: Readme.md

Awesome Lists containing this project

README

# BIST30 Stock Market Forecasting with Machine Learning

[TR - Türkçe](#makine-öğrenimi-ile-bist30-borsa-fiyat-tahmini)

This project was conducted as part of the Final Project course in the Department of Computer Engineering at Ondokuz Mayıs University. It is a group project where the closing price of BIST30 is attempted to be predicted using three different machine learning algorithms, and the results are shown in a web application.

Try : [final-omu.streamlit.app](https://final-omu.streamlit.app/)

## Contents

- [Introduction](#introduction)
- [Objective](#objective)
- [Materials](#materials)
- [Methodology](#methodology)
- [Usage](#usage)
- [Group Members](#members)

## Introduction

The stock market is one of the most important components of financial markets, and predicting price changes is of great importance for investors and traders. This project aims to work with stock market data using artificial neural networks, particularly the Long Short-Term Memory (LSTM) architecture.

## Objective

The objective of this project is to develop models to predict future prices using historical stock market data. The model will learn the price trends in the dataset and make predictions for future prices, providing valuable information for investors to make decisions. Additionally, various experiments will be conducted to evaluate the performance of different parameters and neural network architectures.

## Materials

The technologies used for this project are listed below:

* The programming language is Python.

Web application and others:

- Streamlit
- GitHub

Model:

- TensorFlow
- Keras

Data:

- Pandas
- Numpy
- yfinance
- ta
- taLib

Visualization and Design:

- Matplotlib
- Seaborn
- HTML / CSS

## Methodology

The following methodology was followed in the project:

- Fetch data for the selected time range.
- Add indicators as features.
- Split the data into training and testing sets.
- Train the model using the training data and evaluate its performance on the test data.
- Evaluate the results.

## Usage

The project can be accessed at . . . address. This address is created using a private GitHub repository and hosted by Streamlit Cloud.

## Members

---------

# Makine Öğrenimi ile BIST30 Borsa Fiyat Tahmini

Bu proje Ondokuz Mayıs Üniversitesi Bilgisayar Mühendisliği Bitirme Projesi dersi kapsamında yapılmıştır. Bir grup projesidir. 3 farklı Makine Öğrenimi algoritması ile BIST30 kapanış fiyatı tahmin edilmeye çalışılmıştır ve sonuçlar web uygulamasında gösterilmiştir.

## İçindekiler
- [Giriş](#giriş)
- [Amaç](#amaç)
- [Materyal](#materyal)
- [Yöntem](#yöntem)
- [Kullanım](#kullanım)
- [Grup Üyeleri](#grup-üyeleri)

## Giriş

Borsa, finansal piyasaların en önemli bileşenlerinden biridir ve fiyat değişimlerinin tahmin edilmesi, yatırımcılar ve tüccarlar için büyük önem taşır. Bu proje, yapay sinir ağları ve özellikle Long Short-Term Memory (LSTM) mimarisi kullanarak borsa verileriyle çalışmayı amaçlamaktadır.

## Amaç

Bu projenin amacı, geçmiş borsa verilerini kullanarak gelecekteki fiyatları tahmin etmek için bir modeller geliştirmektir. Model, veri setindeki fiyat trendlerini öğrenerek, gelecekteki fiyatların tahminini yapacak ve yatırımcılara karar vermeleri için değerli bilgiler sağlayacaktır. Projede ayrıca, farklı parametrelerin ve sinir ağı mimarilerinin performansını değerlendirmek için çeşitli deneyler yapılacaktır.

## Materyal

Proje için kullanılan teknolojiler aşağıda verilmiştir :

* Kullanılan programlama dili Python'dır.

Web uygulaması ve diğer :

- Streamlit
- GitHub

Model için :
- TensorFlow
- Keras

Veriler için :
- Pandas
- Numpy
- yfinance
- ta
- taLib

Grafik ve Tasarım :
- Matplotlib
- Seaborn
- HTML / CSS

## Yöntem

Projede şu yöntem izlenmiştir :

- Seçilen zaman aralığındaki verileri al.
- Indikatörleri feature olarak ekle.
- Verileri eğitim ve test olarak ayır.
- Test verilerini kullanarak model performansı oluştur.
- Sonuçların değerlendir

## Kullanım

Proje . . . adresinden kullanılabilir. Bu adres private olan bir github reposu kullanılarak streamlit cloud trarafından oluşturulur.

## Grup Üyeleri