ساخت مدل برای شناسایی الگوهای کندلی در داده های قیمتی

هدف پروژه: طراحی سیستمی خودکار برای شناسایی و تحلیل الگوهای کندل استیک در داده‌های قیمتی، با استفاده از مدل‌های از پیش آموزش‌دیده، پردازش تصاویر کندل استیک، و استخراج جزئیات الگوها. تمامی فرآیندها در محیط ترمینال انجام می‌شود و نتایج به صورت ساختاریافته ذخیره می‌شوند. --- مراحل پروژه: 1. جمع‌آوری و آماده‌سازی داده‌ها 1. دریافت داده‌های قیمتی: دانلود داده‌های معاملاتی (OHLCV) از Yahoo Finance برای نمادهای مشخص در بازه‌های زمانی دلخواه. 2. محاسبه اندیکاتورها: افزودن اندیکاتورهای تکنیکال زیر به داده‌ها: ADX همراه با DI+ و DI- EMA با دوره‌های 20، 50، 100 و 200 3. تقسیم‌بندی داده‌ها: شناسایی و استخراج بخش‌های دارای الگو از داده‌ها و ذخیره آن‌ها به صورت فایل‌های CSV جداگانه. 2. پردازش داده‌ها و مدل‌سازی 1. تبدیل داده‌ها به تصاویر کندل استیک: تبدیل داده‌های قیمتی به نمودارهای کندل استیک با استفاده از ابزارهایی مانند mplfinance، بدون نمایش گرافیکی. 2. بارگذاری مدل سگمنتیشن: استفاده از یک مدل از پیش آموزش‌دیده برای سگمنتیشن تصویری و تشخیص الگوها. 3. تحلیل تصاویر و شناسایی الگوها: شناسایی الگوهای کندل استیک در تصاویر و دسته‌بندی آن‌ها. 3. تحلیل و ذخیره نتایج 1. استخراج جزئیات الگوهای شناسایی‌شده: ثبت اطلاعات زیر برای هر الگوی شناسایی‌شده: نوع الگو قیمت‌های High و Low درصد اندیکاتورهای تکنیکال (ADX، EMA) تاریخ و زمان کندل 2. ذخیره‌سازی نتایج: ثبت اطلاعات در فایل CSV یا JSON برای تحلیل‌های بعدی. --- 4. اجرای خودکار و دوره‌ای اجرای اسکریپت به صورت خودکار و بازبینی داده‌ها در بازه‌های زمانی مشخص (مانند هر 10 ثانیه). پردازش داده‌ها و استخراج نتایج به‌صورت کامل در ترمینال بدون نمایش گرافیکی. --- چک‌لیست پروژه جمع‌آوری و آماده‌سازی داده‌ها [ ] دانلود داده‌های قیمتی از Yahoo Finance. [ ] افزودن اندیکاتورهای ADX و EMA. [ ] ذخیره داده‌های تقسیم‌بندی‌شده در فایل‌های CSV. پردازش و مدل‌سازی [ ] تبدیل داده‌ها به تصاویر کندل استیک بدون نمایش گرافیکی. [ ] بارگذاری مدل از پیش آموزش‌دیده برای سگمنتیشن. [ ] شناسایی الگوهای کندل استیک در تصاویر. تحلیل و ذخیره نتایج [ ] استخراج نوع الگو و جزئیات مرتبط (تاریخ، قیمت‌ها، اندیکاتورها). [ ] ذخیره نتایج در قالب CSV یا JSON. اجرای خودکار [ ] اجرای خودکار اسکریپت در بازه‌های زمانی مشخص. [ ] ثبت و به‌روزرسانی مداوم نتایج.