Дисклеймер:

Торговля на финансовых рынках связана с риском. Прогнозы и рекомендации, предоставляемые данной системой, предназначены только для информационных целей и не являются финансовой консультацией. Автор не несет ответственности за любые финансовые потери.

PrismTrade - Аналитическая платформа для прогнозирования цен акций

Описание проекта

PrismTrade - это мощная аналитическая платформа для прогнозирования цен акций российского фондового рынка, работающая через Tinkoff API. Применяя методы машинного обучения и технического анализа, платформа предоставляет точные прогнозы и обоснованные торговые рекомендации для инвесторов.

Основные возможности

• 🔮 Мультиинтервальное прогнозирование цен - прогнозы на 15, 30 и 60 минут вперед
• 📊 Расширенный технический анализ - RSI, MACD, скользящие средние, полосы Боллинджера и многое другое
• 📈 Анализ рыночного состояния - определение тренда, волатильности, коррекций и точек входа
• 🧠 Метаобучение - система постоянно совершенствует свои прогнозы на основе исторических результатов
• 🤖 Ансамблевые модели - комбинирование различных алгоритмов (линейная регрессия, градиентный бустинг, LSTM, ARIMA)
• 💰 Рекомендации по торговле - четкие сигналы на покупку и продажу с указанием уровней входа, выхода и стоп-лосс
• 📉 Анализ точности прогнозов - подробная статистика по историческим прогнозам

Технологии

• Backend: Python, FastAPI, Uvicorn
• Data Analysis: NumPy, Pandas, Scikit-learn, TensorFlow
• Визуализация: Matplotlib, Seaborn
• API: Tinkoff Investments API
• Frontend: HTML, JavaScript (AJAX)

Установка и настройка

Предварительные требования

• Python 3.11 или выше
• Токен Tinkoff API (инвестиционный счет)

Шаги по установке

1. Клонируйте репозиторий:

git clone https://github.com/your-username/prismtrade.git
cd prismtrade

2. Установите зависимости:

pip install -r requirements.txt

3. Настройте токен API Tinkoff в секретах (Tools -> Secrets в Replit) или создайте переменную окружения:

export TINKOFF_TOKEN=your_token_here

4. Запустите сервер:

python main.py

Использование

1. Откройте веб-интерфейс по адресу http://localhost:8080
2. Введите тикер акции (например, SBER, GAZP, LKOH)
3. Получите прогноз и рекомендации по торговле

Основные компоненты

StockPredictor

Ядро системы, отвечающее за:

• Сбор данных через Tinkoff API
• Расчет технических индикаторов
• Анализ состояния рынка
• Генерацию прогнозов и рекомендаций

PredictionAnalytics

Модуль анализа точности прогнозов, включающий:

• Оценку исторической точности прогнозов
• Построение расширенных моделей (LSTM, ARIMA)
• Метаобучение и корректировку прогнозов
• Оптимизацию весов ансамблевых моделей

Примеры работы

Метаобучение

Ансамблевые модели

Структура проекта

prismtrade/
├── main.py                  # Основной файл приложения
├── prediction_analytics.py  # Модуль для анализа точности прогнозов  
├── templates/               # HTML шаблоны
│   └── index.html           # Главная страница веб-интерфейса
├── static/                  # Статические файлы
│   ├── analytics/           # Графики для аналитики
│   └── stock_prediction.png # Графики прогнозов
└── data/                    # Данные и история прогнозов
    └── predictions/         # Архив прогнозов по тикерам

Основные алгоритмы

1. Базовый прогноз - на основе линейной регрессии, полиномиальной регрессии и градиентного бустинга
2. Продвинутые модели - LSTM (долгая краткосрочная память) и ARIMA для временных рядов
3. Ансамблевые методы - динамическое взвешивание моделей с учетом рыночных условий
4. Анализ рыночного состояния - определение трендов, откатов, дивергенций и паттернов объема
5. Метаобучение - система корректировки прогнозов на основе исторических ошибок

Рекомендации по использованию

• Используйте прогнозы в сочетании с собственным анализом рынка
• Учитывайте, что короткосрочные прогнозы (15 минут) обычно точнее долгосрочных
• Обращайте внимание на уровень уверенности рекомендаций
• Используйте рекомендуемые уровни стоп-лосс для управления рисками

Лицензия

MIT License

Автор

• Если у вас есть вопросы или предложения - Связаться со мной