Hugging Face's logo

Spaces:
enesberke
/
Portfolio-Manager
Sleeping

App Files Community
Portfolio-Manager
File size: 4,633 Bytes 
ac47c35
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
 
import streamlit as st
import pandas as pd
import numpy as np
import yfinance as yf
import plotly.express as px

# Başlık
st.title('Portföy Yönetim Aracı')

# Kullanıcıdan hisse senedi sembollerini alın
st.sidebar.header("Portföy Bilgileri")
symbols = st.sidebar.text_input("Hisse Senedi Sembolleri (Virgülle Ayırın)", "AAPL, MSFT, TSLA")
symbols = [sym.strip().upper() for sym in symbols.split(',')]

# Kullanıcıdan her hisse senedi için yatırım miktarını alın
amounts = {}
for sym in symbols:
    amount = st.sidebar.number_input(f'{sym} için yatırım miktarı girin :', min_value=0, value=1000)
    amounts[sym] = amount

def load_data(symbols):
    data = {}
    for sym in symbols:
        data[sym] = yf.download(sym, start="2022-01-01", end="2024-01-01")['Close']
    if not data:
        raise ValueError("Veri çekilmedi. Lütfen hisse senedi sembollerini kontrol edin.")
    df = pd.DataFrame(data)
    if df.empty:
        raise ValueError("Oluşturulan DataFrame boş.")
    return df

# Veriyi yükleyin
df = load_data(symbols)

# Portföy performansını hesaplayın
total_investment = sum(amounts.values())
portfolio_value = df.iloc[-1] * pd.Series(amounts)
portfolio_value_total = portfolio_value.sum()

st.write(f"Toplam yatırım miktarı: ${total_investment:.2f}")
st.write(f"Her bir hissenin mevcut değeri:")
st.write(portfolio_value)
st.write(f"Portföyün toplam değeri: ${portfolio_value_total:.2f}")

# Plotly ile Etkileşimli Grafikler
st.subheader("Hisse Senedi Fiyatları")
fig = px.line(df, title = "Hisse Senedi Fiyatları")
st.plotly_chart(fig)

st.subheader("Portföy Dağılım Grafiği")
fig = px.bar(x = amounts.keys(), y = portfolio_value, labels = {"x" : 'Yatırım Araçları', 'y' : 'Portföy Değeri' })
st.plotly_chart(fig)

st.subheader("Günlük Getiriler")
daily_returns = df.pct_change().dropna()
st.dataframe(daily_returns)
st.write("Günlük getiriler, hisse senetlerinin günlük fiyat değişimlerini gösterir.")

st.subheader("Aylık Getiriler")
monthly_returns = df.resample('M').ffill().pct_change().dropna()
st.dataframe(monthly_returns)
st.write("Aylık getiriler, hisse senetlerinin her ay için fiyat değişimlerini gösterir.")

st.subheader("Yıllık Getiriler")
annual_returns = df.resample('Y').ffill().pct_change().dropna()
st.dataframe(annual_returns)
st.write("Yıllık getiriler, hisse senetlerinin her yıl için fiyat değişimlerini gösterir.")

# Risk Analizi
st.subheader("Volatilite (Yıllık)")
volatility  = daily_returns.std() * np.sqrt(252)
st.write("Volatilite, bir varlığın fiyatındaki dalgalanmaların büyüklüğünü ifade eder. Bu kod, günlük volatiliteyi yıllık volatiliteye çevirir.")
st.dataframe(volatility)

st.subheader("Beta Değeri")
beta = daily_returns.cov() / daily_returns.var()
st.write("Beta değeri, bir varlığın piyasa ile olan ilişkisini ölçer. Piyasa riskine karşı duyarlılığı anlamak için kullanılır.")
st.dataframe(beta)

# Hareketli Ortalama
st.subheader("Hareketli Ortalama")
window_size = st.sidebar.slider("Hareketli Ortalama Penceresi (Gün)", 5, 100, 20)
moving_avg = df.rolling(window=window_size).mean()
st.write(f"{window_size} Günlük Hareketli Ortalama:")
st.line_chart(moving_avg)

# Zaman Aralığı Filtreleri
st.subheader("Tarih Aralığına Göre Veri Filtreleme")
start_date = st.sidebar.date_input("Başlangıç Tarihi", pd.to_datetime("2023-01-01"))
end_date = st.sidebar.date_input("Bitiş Tarihi", pd.to_datetime("2024-01-01"))

start_date = pd.to_datetime(start_date)
end_date = pd.to_datetime(end_date)

if start_date < end_date:
    filtered_data = df[(df.index >= start_date) & (df.index <= end_date)]
    st.write("Seçilen tarih aralığındaki hisse senedi fiyatları:")
    st.line_chart(filtered_data)
else:
    st.error("Başlangıç tarihi bitiş tarihinden sonra olmamalıdır.")

# Monte Carlo Simülasyonu
mean_returns = daily_returns.mean()  # Ortalama günlük getiriler
simulations = 1000
simulation_df = pd.DataFrame()

for x in range(simulations):
    simulated_prices = []
    
    for symbol in symbols:
        price_series = [df[symbol].iloc[-1]]
        for _ in range(365):  # 1 yıl
            price_series.append(price_series[-1] * (1 + np.random.normal(mean_returns[symbol], volatility[symbol])))
        simulated_prices.append(price_series)

    simulation_df[x] = pd.Series([np.sum(sim) for sim in zip(*simulated_prices)])

st.write(
    """
    **Monte Carlo Simülasyonu:** Belirli bir varlığın veya portföyün gelecekteki değerlerini tahmin etmek için kullanılan bir yöntemdir.
    """
)
st.line_chart(simulation_df)