app.py

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

# Veri çekme fonksiyonu
def load_data(symbols):
    data = {}
    
    for sym in symbols:
        try:
            stock_data = yf.download(sym, start="2022-01-01", end="2024-01-01")['Close']
            if not stock_data.empty:
                data[sym] = stock_data
            else:
                st.warning(f"⚠️ {sym} için veri bulunamadı! Lütfen doğru bir hisse senedi sembolü girdiğinizden emin olun.")
        
        except Exception as e:
            st.error(f"❌ {sym} için veri çekilirken hata oluştu: {e}")

    if not data:
        st.warning("⚠️ Hiçbir hisse senedi verisi yüklenemedi. Lütfen sembolleri kontrol edin.")
        return pd.DataFrame()  # Boş DataFrame döndür

    return pd.DataFrame(data)

# Veriyi yükleyin
df = load_data(symbols)

if not df.empty and not df.isnull().all().all():
    # Portföy performansını hesaplayın
    total_investment = sum(amounts.values())

    if not df.empty:
        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}")

    # 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)

    # Getiri hesaplamaları
    st.subheader("📅 Günlük Getiriler")
    daily_returns = df.pct_change().dropna()
    st.dataframe(daily_returns)

    st.subheader("📅 Aylık Getiriler")
    monthly_returns = df.resample('M').ffill().pct_change().dropna()
    st.dataframe(monthly_returns)

    st.subheader("📅 Yıllık Getiriler")
    annual_returns = df.resample('Y').ffill().pct_change().dropna()
    st.dataframe(annual_returns)

    # Risk Analizi
    st.subheader("📊 Volatilite (Yıllık)")
    volatility = daily_returns.std() * np.sqrt(252)
    st.dataframe(volatility)

    st.subheader("📉 Beta Değeri")
    if not daily_returns.empty:
        beta = daily_returns.cov() / daily_returns.var()
        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.line_chart(moving_avg)

    # Tarih Aralığı Filtreleme
    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"))

    if start_date < end_date:
        filtered_data = df[(df.index >= start_date) & (df.index <= end_date)]
        st.line_chart(filtered_data)
    else:
        st.error("❌ Başlangıç tarihi bitiş tarihinden sonra olmamalıdır.")

    # Monte Carlo Simülasyonu
    st.subheader("📊 Monte Carlo Simülasyonu")
    
    if not daily_returns.empty:
        mean_returns = daily_returns.mean()
        simulations = 1000
        simulation_df = pd.DataFrame()

        for x in range(simulations):
            simulated_prices = []

            for symbol in symbols:
                if symbol in df.columns:
                    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)

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

        st.line_chart(simulation_df)
    else:
        st.warning("⚠️ Monte Carlo Simülasyonu için yeterli veri yok.")

else:
    st.error("❌ Hisse senedi verisi bulunamadı. Lütfen geçerli bir sembol girin.")