creacress / Finance

Safran Stock Market Prediction est une application de bureau développée avec Electron.js qui utilise deux modèles d'intelligence artificielle, LSTM et MLP Dense, pour prédire les prix des actions de Safran (SAF.PA).

Prédiction du Marché Boursier de Safran

Ce projet est une application Electron.js qui permet de prédire les prix des actions de Safran (SAF.PA) à l'aide de deux modèles d'intelligence artificielle : LSTM et MLP Dense. Le backend est alimenté par Flask, et les données sont récupérées en temps réel depuis Yahoo Finance via l'API yfinance. L'application affiche les données du marché en direct et compare les prédictions des deux modèles.

Fonctionnalités

• Données du marché en temps réel : Récupération des informations du marché via Yahoo Finance, telles que le prix actuel, le volume, et la plage de prix de la journée.
• Prédiction des prix des actions : Utilisation de deux modèles IA (LSTM et MLP Dense) pour prédire les prix futurs des actions.
• Comparaison des modèles IA : Affichage des prédictions issues des deux modèles pour permettre une comparaison directe de leurs performances.
• Graphique en Chandeliers Japonais : Affichage d’un graphique en temps réel avec les données historiques, mis à jour régulièrement.

Technologies Utilisées

• Electron.js : Pour le développement de l'application desktop.
• Flask : API backend pour servir les données du marché et les prédictions.
• TensorFlow/Keras : Pour l'entraînement et l'exécution des modèles IA.
• Chart.js : Pour le rendu du graphique des chandeliers.
• yfinance : Pour récupérer les données du marché en temps réel.
• pandas_ta : Pour le calcul des indicateurs techniques tels que MACD, RSI, et ADX.

Installation

1. Cloner le dépôt :

   git clone https://github.com/votrenomutilisateur/safran-stock-prediction.git
   cd safran-stock-prediction

2. Installer les dépendances Python :

   cd backend
   python -m venv .venv
   source .venv/bin/activate  # Sur Windows, utilisez `.venv\Scripts\activate`
   pip install -r requirements.txt

3. Installer les dépendances Node.js :

   cd ../frontend
   npm install

4. Lancer le serveur Flask :

   cd backend
   flask run

5. Lancer l'application Electron :

   cd ../frontend
   npm start

Comparaison des Modèles IA

Modèle LSTM

Le modèle LSTM est entraîné sur des données historiques d’actions, intégrant des indicateurs techniques tels que :

• SMA (Moyenne Mobile Simple) à 50 et 200 jours
• RSI (Indice de Force Relative)
• Bollinger Bands
• MACD (Moyenne Mobile Convergente Divergente)
• ADX (Indice Directionnel Moyen)

Modèle MLP Dense

Le modèle MLP Dense, un réseau de neurones à couches entièrement connectées, utilise les mêmes indicateurs techniques pour prédire les prix des actions.

Comparaison des Prédictions

L'application permet de comparer directement les prédictions des deux modèles. Une section dédiée affiche les résultats des modèles LSTM et MLP Dense ainsi que la différence entre leurs prédictions, offrant ainsi une meilleure visibilité sur les performances respectives des deux approches.

Utilisation

1. Lancer le Serveur Flask : Assurez-vous que le serveur Flask est en marche à l'adresse http://127.0.0.1:5000.
2. Ouvrir l'Application Electron : Démarrez l'application Electron pour voir les données du marché en temps réel, les graphiques en chandeliers, et les prix prédits.
3. Comparer les Prédictions : Cliquez sur le bouton 'Predict' pour comparer les prédictions des deux modèles IA. Les résultats seront affichés et la différence entre les deux prédictions sera calculée.

Captures d'Écran

Licence

Ce projet est sous licence MIT.