Update app.py

app.py

@@ -1,21 +1,17 @@
 import gradio as gr
 import yfinance as yf
-from datetime import datetime  # 이 부분을 추가하세요.
 from pypfopt.discrete_allocation import DiscreteAllocation, get_latest_prices
 from pypfopt import EfficientFrontier
 from pypfopt import risk_models
 from pypfopt import expected_returns
-import matplotlib.pyplot as plt
-if "seaborn-deep" in plt.style.available:
-    plt.style.use("seaborn-deep")
-else:
-    print("'seaborn-deep' 스타일을 사용할 수 없습니다. 기본 스타일을 사용합니다.")
-    plt.style.use("default")
 from pypfopt import plotting
 import copy
 import numpy as np
 import pandas as pd
 import plotly.express as px
+import matplotlib.pyplot as plt
+from matplotlib import gridspec
+from datetime import datetime
 
 def plot_cum_returns(data, title, initial_capital=1000):
     # 일일 누적 수익률 계산 및 시각화
@@ -44,10 +40,105 @@ def plot_weights(weights):
     ax.axis('equal')
     return fig
 
+def plot_top_ticker_graphs(top_ticker, stock_data, portfolio_data, weights):
+    fig = plt.figure(figsize=(20, 20))
+    gs = gridspec.GridSpec(5, 2, wspace=0.3, hspace=0.3)
+
+    ax1 = plt.subplot(gs[0, 0])
+    # 포트폴리오 내 자산 배분 비율 그래프 (막대 그래프 또는 파이 차트)
+    ax1.pie(list(weights.values()), labels=list(weights.keys()), autopct='%1.1f%%')
+    ax1.axis('equal')
+    ax1.set_title('Portfolio Asset Allocation')
+
+    ax2 = plt.subplot(gs[0, 1])
+    # 포트폴리오의 연간 수익률 및 변동성 추이 그래프
+    portfolio_returns = portfolio_data.pct_change().dropna()
+    portfolio_returns = (portfolio_returns + 1).cumprod()
+    portfolio_returns.plot(ax=ax2)
+    ax2.set_title('Portfolio Annual Returns and Volatility')
+    ax2.set_ylabel('Cumulative Returns')
+
+    ax3 = plt.subplot(gs[1, 0])
+    # 포트폴리오의 샤프 비율(Sharpe Ratio) 추이 그래프
+    sharpe_ratio = portfolio_returns.mean() / portfolio_returns.std() * np.sqrt(252)
+    sharpe_ratio.plot(ax=ax3)
+    ax3.set_title('Portfolio Sharpe Ratio')
+    ax3.set_ylabel('Sharpe Ratio')
+
+    ax4 = plt.subplot(gs[1, 1])
+    # 개별 주식의 월별 수익률 그래프
+    stock_data[top_ticker].resample('M').last().pct_change().plot(ax=ax4)
+    ax4.set_title(f'{top_ticker} Monthly Returns')
+    ax4.set_ylabel('Returns')
+
+    ax5 = plt.subplot(gs[2, 0])
+    # 개별 주식의 연간 수익률 그래프
+    stock_data[top_ticker].resample('Y').last().pct_change().plot(ax=ax5)
+    ax5.set_title(f'{top_ticker} Annual Returns')
+    ax5.set_ylabel('Returns')
+
+    ax6 = plt.subplot(gs[2, 1])
+    # 개별 주식의 이동평균선(예: 20일, 50일, 200일) 그래프
+    stock_data[top_ticker].plot(ax=ax6)
+    stock_data[top_ticker].rolling(window=20).mean().plot(ax=ax6, label='20-day MA')
+    stock_data[top_ticker].rolling(window=50).mean().plot(ax=ax6, label='50-day MA')
+    stock_data[top_ticker].rolling(window=200).mean().plot(ax=ax6, label='200-day MA')
+    ax6.set_title(f'{top_ticker} Moving Averages')
+    ax6.set_ylabel('Price')
+    ax6.legend()
+
+    ax7 = plt.subplot(gs[3, 0])
+    # 포트폴리오의 드로다운(Drawdown) 그래프
+    portfolio_drawdown = (portfolio_returns.cummax() - portfolio_returns) / portfolio_returns.cummax()
+    portfolio_drawdown.plot(ax=ax7)
+    ax7.set_title('Portfolio Drawdown')
+    ax7.set_ylabel('Drawdown')
+
+    ax8 = plt.subplot(gs[3, 1])
+    # 개별 주식의 RSI(Relative Strength Index) 그래프
+    delta = stock_data[top_ticker].diff()
+    up = delta.clip(lower=0)
+    down = -1 * delta.clip(upper=0)
+    ema_up = up.ewm(com=13, adjust=False).mean()
+    ema_down = down.ewm(com=13, adjust=False).mean()
+    rs = ema_up / ema_down
+    rsi = 100 - (100 / (1 + rs))
+    rsi.plot(ax=ax8)
+    ax8.set_title(f'{top_ticker} RSI')
+    ax8.set_ylabel('RSI')
+
+    ax9 = plt.subplot(gs[4, 0])
+    # 개별 주식의 MACD(Moving Average Convergence Divergence) 그래프
+    exp1 = stock_data[top_ticker].ewm(span=12, adjust=False).mean()
+    exp2 = stock_data[top_ticker].ewm(span=26, adjust=False).mean()
+    macd = exp1 - exp2
+    signal = macd.ewm(span=9, adjust=False).mean()
+    ax9.plot(macd, label='MACD')
+    ax9.plot(signal, label='Signal')
+    ax9.set_title(f'{top_ticker} MACD')
+    ax9.set_ylabel('MACD')
+    ax9.legend()
+
+    ax10 = plt.subplot(gs[4, 1])
+    # 개별 주식의 볼린저 밴드(Bollinger Bands) 그래프
+    rolling_mean = stock_data[top_ticker].rolling(window=20).mean()
+    rolling_std = stock_data[top_ticker].rolling(window=20).std()
+    upper_band = rolling_mean + (rolling_std * 2)
+    lower_band = rolling_mean - (rolling_std * 2)
+    ax10.plot(stock_data[top_ticker], label='Price')
+    ax10.plot(rolling_mean, label='Moving Average')
+    ax10.plot(upper_band, label='Upper Band')
+    ax10.plot(lower_band, label='Lower Band')
+    ax10.set_title(f'{top_ticker} Bollinger Bands')
+    ax10.set_ylabel('Price')
+    ax10.legend()
+
+    plt.tight_layout()
+    return fig
+
 def output_results(start_date, end_date, tickers_string):
     tickers = tickers_string.split(',')
     stocks_df = yf.download(tickers, start=start_date, end=end_date)['Adj Close']
-
     tickers_info = {}
     news_data = {}
     for ticker in tickers:
@@ -62,7 +153,6 @@ def output_results(start_date, end_date, tickers_string):
     fig_cum_returns = px.line(daily_cum_returns, title='개별 주식의 누적 수익률 ($1,000 시작)')
     corr_df = stocks_df.corr().round(2)
     fig_corr = px.imshow(corr_df, text_auto=True, title='주식 간 상관 관계')
-
     mu = expected_returns.mean_historical_return(stocks_df)
     S = risk_models.sample_cov(stocks_df)
     ef = EfficientFrontier(mu, S)
@@ -79,59 +169,48 @@ def output_results(start_date, end_date, tickers_string):
         for ticker in tickers
     ])
 
+    # 가장 수익률과 비중이 큰 종목 선택
+    top_ticker = max(cleaned_weights, key=cleaned_weights.get)
+    fig_top_ticker = plot_top_ticker_graphs(top_ticker, stocks_df, daily_cum_returns[top_ticker], cleaned_weights)
+
     return fig_cum_returns, fig_efficient_frontier, fig_corr, fig_indiv_prices, fig_weights, \
-           f"{expected_annual_return*100:.2f}%", f"{annual_volatility*100:.2f}%", f"{sharpe_ratio:.2f}", ticker_info_output
-
-def predict_stock(ticker):
-    data = yf.download(ticker, start="2019-01-01")['Close'].reset_index()
-    data.rename(columns={'Date': 'ds', 'Close': 'y'}, inplace=True)
-    
-    model = Prophet(daily_seasonality=False, yearly_seasonality=True)
-    model.fit(data)
-    
-    future = model.make_future_dataframe(periods=5 * 365, freq='D')
-    forecast = model.predict(future)
-    
-    fig = plot_plotly(model, forecast)
-    fig.update_layout(title=f'5-Year Forecast for {ticker}')
-    
-    return forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail(365 * 5), fig
-
-def setup_ui():
-    with gr.Blocks() as app:
-        with gr.Tabs() as tabs:
-            with gr.TabItem("포트폴리오 분석"):
-                # 포트폴리오 분석 코드
-                with gr.Row():
-                    start_date = gr.Textbox("2013-01-01", label="시작 일자")
-                    end_date = gr.Textbox(datetime.now().date(), label="종료 일자")
-                    tickers_string = gr.Textbox("NVDA,^GSPC,GC=F,MSFT,BTC-USD", label="주식 티커를 쉼표로 구분하여 입력하세요")
-                    analyze_button = gr.Button("포트폴리오 최적화 결과 보기")
-                
-                # 포트폴리오 결과 출력 구역
-                with gr.Row():
-                    expected_annual_return = gr.Text(label="예상 연간 수익률")
-                    annual_volatility = gr.Text(label="연간 변동성")
-                    sharpe_ratio = gr.Text(label="샤프 비율")
-                with gr.Column():
-                    fig_cum_returns = gr.Plot(label="최적화된 포트폴리오의 누적 수익률 (시작 가격 $1,000)")
-                    fig_efficient_frontier = gr.Plot(label="효율적 투자선")
-                    fig_corr = gr.Plot(label="주식 간 상관 관계")
-                    fig_indiv_prices = gr.Plot(label="개별 주식 가격")
-                    fig_weights = gr.Plot(label="포트폴리오 최적 투자 비율")
-                    ticker_info_output = gr.Textbox(label="티커 정보 및 뉴스")
-                analyze_button.click(fn=output_results, inputs=[start_date, end_date, tickers_string], outputs=[fig_cum_returns, fig_efficient_frontier, fig_corr, fig_indiv_prices, fig_weights, expected_annual_return, annual_volatility, sharpe_ratio, ticker_info_output])
-
-            with gr.TabItem("미래 주가 예측"):
-                with gr.Column():
-                    ticker_input = gr.Textbox(value="AAPL", label="Enter Stock Ticker")
-                    forecast_button = gr.Button("Generate Forecast")
-                    forecast_output = gr.Textbox(label="Forecast Data")
-                    forecast_chart = gr.Plot(label="Forecast Chart")
-                
-                forecast_button.click(fn=predict_stock, inputs=[ticker_input], outputs=[forecast_output, forecast_chart])
-
-    return app
-
-app = setup_ui()
-app.launch()
+           f"{expected_annual_return*100:.2f}%", f"{annual_volatility*100:.2f}%", f"{sharpe_ratio:.2f}", \
+           ticker_info_output, fig_top_ticker
+
+css = """footer { visibility: hidden; }"""
+
+with gr.Blocks(css=css) as app:
+    gr.Markdown("""
+    <style>
+    .markdown-text h2 {
+        font-size: 18px;  # 폰트 크기를 18px로 설정
+    }
+    </style>
+    <h2>AIQ 자산 포트폴리오: 글로벌 자산(주식, 지수, BTC, 상품 등) AI 포트폴리오 최적화 서비스</h2>
+    <h2>전세계 모든 티커 보기(야후 파이낸스): <a href="https://finance.yahoo.com/most-active" target="_blank">여기를 클릭</a></h2>
+    """)
+    with gr.Row():
+        start_date = gr.Textbox("2013-01-01", label="시작 일자")
+        end_date = gr.Textbox(datetime.now().date(), label="종료 일자")
+        tickers_string = gr.Textbox("NVDA,^GSPC,GC=F,MSFT,BTC-USD", label="주식 티커를 쉼표로 구분하여 입력하세요")
+        btn = gr.Button("포트폴리오 최적화 결과 보기")
+
+    with gr.Row():
+        expected_annual_return = gr.Text(label="예상 연간 수익률")
+        annual_volatility = gr.Text(label="연간 변동성")
+        sharpe_ratio = gr.Text(label="샤프 비율")
+
+    with gr.Column():
+        fig_cum_returns = gr.Plot(label="최적화된 포트폴리오의 누적 수익률 (시작 가격 $1,000)")
+        fig_efficient_frontier = gr.Plot(label="효율적 투자선")
+        fig_corr = gr.Plot(label="주식 간 상관 관계")
+        fig_indiv_prices = gr.Plot(label="개별 주식 가격")
+        fig_weights = gr.Plot(label="포트폴리오 최적 투자 비율")
+        fig_top_ticker = gr.Plot(label="가장 수익률과 비중이 큰 종목의 그래프")
+        ticker_info_output = gr.Textbox(label="티커 정보 및 뉴스")
+
+    btn.click(fn=output_results, inputs=[start_date, end_date, tickers_string],
+              outputs=[fig_cum_returns, fig_efficient_frontier, fig_corr, fig_indiv_prices, fig_weights,
+                       expected_annual_return, annual_volatility, sharpe_ratio, ticker_info_output, fig_top_ticker])
+
+app.launch()