fix: DataFrame hatası düzeltildi, Code_1.txt eklendi ve demo video yüklendi.

Code_1.txt

@@ -0,0 +1,162 @@
+import streamlit as st
+import pandas as pd
+import numpy as np
+import matplotlib.pyplot as plt
+import yfinance as yf
+
+
+# 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:
+        # Verileri indirin ve sadece 'Close' (kapanış) fiyatlarını alın
+        data[sym] = yf.download(sym, start="2022-01-01", end="2024-01-01")['Close']
+    
+    # Eğer data sözlüğü boştur veya yanlışsa, uygun hata mesajı döndür
+    if not data:
+        raise ValueError("Veri çekilmedi. Lütfen hisse senedi sembollerini kontrol edin.")
+
+    # Her bir sembol için kapanış fiyatlarını içeren DataFrame'i oluşturun
+    df = pd.DataFrame(data)
+    
+    # Eğer df içeriği eksikse veya bir sorun varsa, uygun hata mesajı döndür
+    if df.empty:
+        raise ValueError("Oluşturulan DataFrame boş.")
+    
+    return df
+
+
+
+# Veriyi yükleyin
+df = load_data(symbols)
+
+
+# Portföy performansını hesaplayın
+total_investment = sum(amounts.values())  # Toplam yatırım miktarını hesaplayın
+portfolio_value = df.iloc[-1] * pd.Series(amounts)  # Her bir hissenin mevcut değerini hesaplayın
+portfolio_value_total = portfolio_value.sum()  # Portföyün toplam değerini hesaplayın
+
+
+
+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
+
+import plotly.express as px
+
+# Interaktif Hisse Fiyat Grafiği
+fig = px.line(df, title = "Hisse Senedi Fiyatları")
+st.plotly_chart(fig)
+
+# Portföy Dağıılım Grafiği
+fig = px.bar(x = amounts.keys(), y = portfolio_value, labels = {"x" : 'Yatırım Araçları', 'y' : 'Portföy Değeri' })
+st.plotly_chart(fig)
+
+
+# Getiri Hesaplama
+daily_returns = df.pct_change().dropna()
+st.write("Günlük Getiriler:")
+st.dataframe(daily_returns)
+
+
+
+# Aylık ve Yıllık Getiriler
+monthly_returns = df.resample('M').ffill().pct_change().dropna()
+annual_returns = df.resample('Y').ffill().pct_change().dropna()
+
+st.write("Aylık Getiriler:")
+st.dataframe(monthly_returns)
+
+st.write("Yıllık Getiriler:")
+st.dataframe(annual_returns)
+
+
+
+# Risk Analizi #
+
+# Volatilite Hesaplama
+
+volatility  = daily_returns.std() * np.sqrt(252) # Yıllık Volatilite
+st.write("Volatilite (Yıllık) : " , "Volatilite, bir varlığın fiyatındaki dalgalanmaların büyüklüğünü ifade eder. Bu kod, günlük volatiliteyi yıllık volatiliteye çevirir ve bunu gösterir.",
+         "Volatilite 0.29, yıllık bazda bir varlığın fiyatında %29'luk bir dalgalanma bekleyebileceğinizi ifade eder. Bu, varlığın yıllık getirisinin ortalamadan %29 sapma gösterebileceği anlamına gelir.")
+
+st.dataframe(volatility)
+
+
+# Portföyün beta değeri
+
+beta = daily_returns.cov() / daily_returns.var()
+st.write("Beta Değeri :" , " bir varlığın veya portföyün piyasa ile olan ilişkisini ölçer. Piyasa riskine karşı duyarlılığı anlamak için kullanılır.",
+         "Özetle, beta değeri 0,70 olan bir varlık, piyasa hareketlerine kıyasla daha az dalgalanma gösterir." ,
+         "Yani, bu varlık, piyasanın genel hareketlerinden daha az etkilenir ve daha stabil bir performans sergiler. Bu durum, yatırımcılar için daha düşük riskli bir yatırım anlamına gelir.")
+st.dataframe(beta)
+
+
+# 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)
+
+
+# Filtreler
+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"))
+
+# Tarih aralığına göre veriyi filtrele
+start_date = pd.to_datetime(start_date)
+end_date = pd.to_datetime(end_date)
+z
+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
+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.line_chart(simulation_df)

app.py

@@ -15,109 +15,117 @@ 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)
+    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:
-        data[sym] = yf.download(sym, start="2022-01-01", end="2024-01-01")['Close']
+        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!")
+
+        except Exception as e:
+            st.error(f"{sym} için veri çekilirken hata oluştu: {e}")
+
     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
+        st.error("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)
 
-# 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 = []
+if not df.empty:
+    # 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")
     
-    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)
+    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.")
+