文件名称：WallStreetBets_GME_Stock_Analysis
文件大小：5.02MB
文件格式：ZIP
更新时间：2024-03-18 06:06:34
Python
WallStreetBets Subreddit中的Gametop股票分析 主张 用户在2021年初对股票的每日价格价值中起着重要作用。将把WallStreetBets subreddit数据与2021年的每日股票价格数据进行比较。还将包括其他“ Hype”股票以供参考。 EDA 我最初使用reddit评论数据。 由于此数据具有最小的结构，因此将其存储在MongoDB中。 尽管每个帖子包含大约5万条评论，但要从这些评论中获得具有统计意义的重要数据却要比从单个用户/机器人垃圾邮件发出的次数要多得多。 此外，在带有10万条以上评论的最有趣的帖子中，由于请求太大，PRAW API会阻止我完全抓取。 评论抓取包括每个句子的情感分析。 这是使用vadersentiment代码库完成的（请参见引用1）。 情绪分析输出中最有价值的价值是复合价值。 我总结了这样的评论，即复合> = .05为每天的总体正
【文件预览】：
WallStreetBets_GME_Stock_Analysis-main
----figures()
--------PLTR_High_Low_Changes_Mentions.png(125KB)
--------PLTR_Mentions_vs_Day_Change_Norm.png(62KB)
--------PLTR_Mentions_Changes.png(120KB)
--------AMC_Mentions_Price.png(98KB)
--------NOK_Mentions_Changes.png(101KB)
--------SLV_Mentions_Price.png(102KB)
--------TSLA_Mentions.png(95KB)
--------SLV_Mentions.png(71KB)
--------TSLA_Mentions_vs_Day_Change_Norm.png(60KB)
--------GME_Mentions.png(76KB)
--------GME_Mentions_vs_Day_Change_Norm.png(71KB)
--------NOK_Mentions.png(73KB)
--------SLV_Mentions_Changes.png(106KB)
--------GME_Mentions_vs_Day_Change_Norm_copy.png(65KB)
--------GME_Mentions_Changes.png(97KB)
--------SLV_High_Low_Changes_Mentions.png(113KB)
--------TSLA_Mentions_Changes.png(128KB)
--------NOK_Mentions_Price.png(94KB)
--------GME_High_Low_Changes_Mentions.png(100KB)
--------TSLA_Mentions_Price.png(123KB)
--------AMC_Mentions.png(73KB)
--------GME_Mentions_Price.png(94KB)
--------AMC_Mentions_vs_Day_Change_Norm.png(63KB)
--------PLTR_Mentions_Price.png(118KB)
--------ORCL_Mentions_Price.png(101KB)
--------NOK_High_Low_Changes_Mentions.png(97KB)
--------PLTR_Mentions.png(93KB)
--------TSLA_High_Low_Changes_Mentions.png(129KB)
--------SLV_Mentions_vs_Day_Change_Norm.png(59KB)
--------AMC_High_Low_Changes_Mentions.png(104KB)
--------AMC_Mentions_Changes.png(99KB)
----data()
--------example_data.csv(7KB)
--------example_stock_price.csv(2KB)
-------- stats_output.txt(492B)
--------st ats_output.txt(538B)
--------stats_output.txt(3KB)
----__pycache__()
--------plotter.cpython-37.pyc(4KB)
--------gme.cpython-37.pyc(4KB)
--------webscraper.cpython-37.pyc(3KB)
--------main.cpython-37.pyc(3KB)
--------psaw.cpython-37.pyc(1KB)
--------config.cpython-37.pyc(254B)
--------stats.cpython-37.pyc(3KB)
--------mongo.cpython-37.pyc(484B)
--------sentiment_analysis.cpython-37.pyc(2KB)
--------plot_stocks.cpython-37.pyc(6KB)
--------psaw_getter.cpython-37.pyc(1KB)
----src()
--------main.py(4KB)
--------__pycache__()
--------stats.py(3KB)
--------plot_stocks.py(8KB)
--------plotter.py(4KB)
--------psaw_getter.py(1KB)
--------sentiment_analysis.py(3KB)
--------vaderSentiment()
--------webscraper.py(4KB)
--------create_tables.sql(2KB)
--------mongo.py(345B)
--------search_wsb.py(2KB)
----.gitignore(76B)
----.ipynb_checkpoints()
--------sparksession-checkpoint.py(0B)
----README.md(8KB)