Skip to content

Latest commit

 

History

History
91 lines (68 loc) · 3.51 KB

README.md

File metadata and controls

91 lines (68 loc) · 3.51 KB

LSTM Stock Price Predictor

📌 Proje Açıklaması

Bu proje, LSTM (Long Short-Term Memory) tabanlı bir derin öğrenme modeli kullanarak borsa fiyat tahmini yapmayı amaçlamaktadır. Model, geçmiş fiyat verileri ve teknik göstergeleri kullanarak hisse senedi fiyatlarının gelecekteki hareketlerini tahmin etmeye çalışır.

🚀 Özellikler

  • 📈 LSTM Modeli: Uzun vadeli bağımlılıkları öğrenerek borsa tahmini yapar.
  • 📊 Teknik İndikatörler: Model, MACD, RSI, Bollinger Bands gibi teknik göstergeleri kullanır.
  • 📅 Geçmiş Fiyat Verileri: Yahoo Finance API kullanılarak borsa verileri otomatik olarak çekilir.
  • 🔄 Veri Ön İşleme: Eksik veriler temizlenir, ölçeklendirme uygulanır ve uygun formatta modele beslenir.
  • 🎯 Performans Değerlendirmesi: RMSE ve MAPE gibi hata metrikleri kullanılarak model performansı ölçülür.

📂 Proje Dosya Yapısı

📂 lstm-stock-predictor/
│-- indicators.py       # Teknik indikatörleri hesaplayan yardımcı dosya
│-- lstm_train.py       # Modeli eğiten Python scripti
│-- main.py             # Eğitilmiş modeli kullanarak tahmin yapan script
│-- lstm_stock_model.h5 # Eğitilmiş model dosyası
│-- scaler.pkl          # MinMaxScaler modeli (ölçekleme için)
│-- README.txt          # Bu dosya 😃

📌 Kullanım Talimatları

🔹 1. Ortamı Hazırlayın

Aşağıdaki komut ile gerekli kütüphaneleri yükleyin:

pip install -r requirements.txt

🔹 2. Modeli Eğitme

Eğer modeli sıfırdan eğitmek istiyorsanız aşağıdaki komutu çalıştırın:

python lstm_train.py

Bu işlem, lstm_stock_model.h5 adında eğitilmiş bir model oluşturacaktır.

🔹 3. Modeli Kullanarak Tahmin Yapma

Önceden eğitilmiş model ile tahmin yapmak için:

python main.py

Bu komut, test verileri üzerinde tahmin yaparak gerçek fiyatlarla karşılaştırmalı bir grafik çizecektir.

📌 Modelin Çalışma Mantığı

1️⃣ Veri Çekme: Yahoo Finance API kullanılarak belirlenen tarih aralığındaki borsa verileri çekilir. 2️⃣ Özellik Mühendisliği: RSI, MACD, Bollinger Bantları gibi teknik göstergeler hesaplanır. 3️⃣ Veri Ön İşleme: Eksik veriler temizlenir, MinMaxScaler ile ölçekleme yapılır. 4️⃣ LSTM Modeli Eğitimi: Model geçmiş 60 günlük veriyi kullanarak gelecek kapanış fiyatını tahmin edecek şekilde eğitilir. 5️⃣ Test ve Değerlendirme: Modelin performansı RMSE ve MAPE gibi metriklerle ölçülür. 6️⃣ Tahmin Sonuçları Görselleştirme: Gerçek fiyatlar ve model tahminleri grafik üzerinde gösterilir.

📌 Geliştirme Planları

✅ Kısa Vadeli Hedefler:

  • Modelin doğruluğunu artırmak için hiperparametre optimizasyonu yapmak.
  • Yeni teknik göstergeler ekleyerek modeli iyileştirmek.

🚀 Uzun Vadeli Hedefler:

  • Modelin piyasa haberleriyle entegre çalışmasını sağlamak.
  • Derin öğrenme tekniklerini geliştirerek tahmin hassasiyetini artırmak.

📌 Katkıda Bulunma

Projeye katkıda bulunmak istiyorsanız: 1️⃣ Fork yapın 🍴 2️⃣ Yeni bir branch oluşturun 🚀 3️⃣ Değişiklikleri yapın ve commit edin 📌 4️⃣ Pull Request gönderin! 🔥

📌 Lisans

Bu proje MIT Lisansı ile lisanslanmıştır. Açık kaynak olarak kullanabilirsiniz. ⭐

🚀 Bu proje finansal tahmin modelleri geliştirmek isteyen herkes için harika bir başlangıçtır! 😊