Portfolio Manager uygulaması eklendi

app.py

@@ -0,0 +1,123 @@
+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)

requirements.txt

@@ -0,0 +1,5 @@
+streamlit 
+pandas 
+numpy 
+yfinance 
+plotly