-
-
Notifications
You must be signed in to change notification settings - Fork 102
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
Herramienta complementaria #7
Comments
Gracias @Leci37! me parace muy interesante tu herramienta! |
LecTrade_Docu_2.3.pdf |
Muy buen documento @Leci37! gracias!! |
Ya te lo he compartido. no sé si le has podido echar un ojo |
I will check it later.Thank you , bro.
…---Original---
From: "Luis ***@***.***>
Date: Sun, Nov 13, 2022 18:34 PM
To: ***@***.***>;
Cc: ***@***.***>;
Subject: Re: [JordiCorbilla/stock-prediction-deep-neural-learning] Herramientacomplementaria (Issue #7)
Ya te lo he compartido. no sé si le has podido echar un ojo
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you are subscribed to this thread.Message ID: ***@***.***>
|
Si @Leci37 muy buen documento y tambien lo que has construido. dime que quieres hacer next |
Me alegro que te haya gustado, Para ello esta este punto en documentación Mejoras en los modelos predictivos, usando multidimensionales Cualquier duda dime |
Me llamo Luis, soy desarrollador big-data machine-learning, soy un fan de tu trabajo, y suelo fijarme en tus actualizaciones.
Temeroso que mis ahorros se los comiera la inflación. He creado una potente herramienta que en función de los patrones técnicos pasados (volatilidad, medias móviles, estadísticos,tendencias, velas, soportes y resistencias, indicadores de índice bursátil).
Todos los que conoces (RSI, MACD, STOCH, Bolinger Bands, SMA, DEMARK, velas japonesas, ichimoku, fibonacci, williansR, balance of power, murrey math) y más de 200 más
La herramienta crea modelos de predicción de puntos de operativa correctos (donde comprar y dónde vender, toda acción es buena operada a tiempo y dirección)
Para ellos me he ayudado de herramientas big data como pandas python , librerías bursátiles como: tablib, TAcharts ,pandas_ta… Para la recogida y cálculo de los datos.
Y de potentes librerías machine-learning como: Sklearn.RandomForest , Sklearn.GradientBoosting, XGBoost, Google TensorFlow y Google TensorFlow LSTM.
Con los modelos entrenados con la selección de mejores indicadores técnicos, la herramienta es capaz de predecir puntos de operativa (donde comprar , donde vender) y mandar alerta en tiempo real al Telegram o Mail. Los puntos son calculados en función del aprendizaje de los puntos de operativa correctos de los últimos 2 años (incluyendo el cambio a mercado bajista tras la subida de tipos)
Creo que te podría ser útil, para mejorar, me gustaría cedertela, y si estás interesado en mejorar y colaborar también estoy dispuesto, y si no archivarla en el cajón
The text was updated successfully, but these errors were encountered: