Hugging Face's logo

Spaces:
AnastasiaMozhayskaya
/
ML_test1
Sleeping

App Files Community
ML_test1
File size: 8,154 Bytes 
ef18c97
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
 
import streamlit as st
import yfinance as yf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import date
from sklearn.model_selection import train_test_split
from prophet import Prophet
from prophet.plot import plot_plotly
from plotly import graph_objs as go
from prophet.make_holidays import make_holidays_df
from sklearn.metrics import mean_absolute_error, mean_squared_error

st.set_page_config(layout='wide', initial_sidebar_state='expanded')
st.set_option('deprecation.showPyplotGlobalUse', False)
st.title('ML Wall Street') 
st.image('images/img.png')

START = "2021-01-01"
TODAY = date.today().strftime("%Y-%m-%d")

period = st.slider('Количество дней прогноза:', 1, 14, 14)

# @st.cache_data
def load_data():
    dji = yf.download('^DJI', START, TODAY)
    dji.reset_index(inplace=True)
    data_500 = yf.download('^GSPC', START, TODAY)
    data_500.reset_index(inplace=True)
    sse = yf.download('000001.SS', START, TODAY)
    sse.reset_index(inplace=True)
    imoex = yf.download('IMOEX.ME', START, TODAY)
    imoex.reset_index(inplace=True)
    return dji, data_500, sse, imoex

def plot_forecast(model, forecast, text):
        fig = plot_plotly(model, forecast)
        fig.update_layout(title_text=text, xaxis_rangeslider_visible=True, xaxis_title='', yaxis_title='')
        st.plotly_chart(fig, use_container_width=True, height=400, range_slider_visible=True)       

dji, data_500, sse, imoex = load_data()
latest_date = dji['Date'].iloc[-1].strftime('%Y-%m-%d')
st.markdown(f"<h3 style='text-align: center;'>Цены актуальны на последнюю дату закрытия торгов {latest_date}</h3>", unsafe_allow_html=True)
# # Добавляем кнопку обновления данных
# if st.button("Обновить данные", type="primary"):
#     dji = yf.download('^DJI', START, TODAY)
#     dji.reset_index(inplace=True)
#     data_500 = yf.download('^GSPC', START, TODAY)
#     data_500.reset_index(inplace=True)
#     sse = yf.download('000001.SS', START, TODAY)
#     sse.reset_index(inplace=True)
#     imoex = yf.download('IMOEX.ME', START, TODAY)
#     imoex.reset_index(inplace=True)
#     st.success("Данные успешно обновлены!")

# if st.button("или Обновить данные", type="primary"):
#      dji, data_500, sse, imoex = load_data()

def evaluate_trend_first_day(predicted_values, actual_values):
    # Разница между первым днем прогноза и последним днем тестовых данных
    forecast_diff_first_last = predicted_values[0] - actual_values[-1]
    # Оценка тренда на первый день: рост, падение, стабильность
    if forecast_diff_first_last > 0:
        return "Тенденция на первый день: Рост"
    elif forecast_diff_first_last < 0:
        return "Тенденция на первый день: Падение"
    else:
        return "Тенденция на первый день: Стабильность"

def evaluate_trend_period(predicted_values):
    # Разница между первым и последним значением прогноза
    forecast_diff = predicted_values[-1] - predicted_values[0]
    # Оценка тренда на весь период прогноза: рост, падение, стабильность
    print("Разница между первым и последним значением прогноза:", forecast_diff)
    
    if forecast_diff > 0:
        return "Тенденция на период прогноза: Рост"
    elif forecast_diff < 0:
        return "Тенденция на период прогноза: Падение"
    else:
        return "Тенденция на период прогноза: Стабильность"

def index(ind, country_name, text1, text2):
    data = ind
    data = data.rename(columns={'Date': 'ds', 'Adj Close': 'y'})
    # Разделение данных на обучающую и тестовую выборки
    full_train_data3, full_test_data3 = train_test_split(data, test_size=period, shuffle=False)

    # Удаляем временную зону из столбца ds
    full_train_data3['ds'] = full_train_data3['ds'].dt.tz_localize(None)
    full_test_data3['ds'] = full_test_data3['ds'].dt.tz_localize(None)

    # Создаем модель Prophet
    model = Prophet(interval_width=0.95)
    # Добавляем стандартные праздничные дни для страны
    model.add_country_holidays(country_name=country_name)
    model.fit(full_train_data3)
    future = model.make_future_dataframe(periods=full_test_data3.shape[0] + period, freq='D')
    forecast3 = model.predict(future)
    # Отрисовка графика 
    fig = go.Figure()
    fig = plot_plotly(model, forecast3)
    fig.add_trace(go.Scatter(x=full_test_data3['ds'], 
                            y=full_test_data3['y'], 
                            mode='markers',
                            marker=dict(color='orchid'),
                            name='Факт значения'))
    fig.add_trace(go.Scatter(x=forecast3['ds'].iloc[-period:], y=forecast3['yhat'].iloc[-period:], mode='lines', name='Прогноз на +14 дней'))
    fig.update_layout(title_text=text1, xaxis_rangeslider_visible=True, xaxis_title='', yaxis_title='')
    fig.update_traces(showlegend=True)
    st.plotly_chart(fig, use_container_width=True, range_slider_visible=True)  
    # Расчет метрик на тестовой выборке
    actual_values_test = full_test_data3['y'].values
    predicted_values_test = forecast3['yhat'].iloc[-period:].values
    mape_test = np.mean(np.abs((actual_values_test - predicted_values_test) / actual_values_test)) * 100
    rmse_test = np.sqrt(mean_squared_error(actual_values_test, predicted_values_test))
    check = st.checkbox(text2)
    if check:
        col1, col2 = st.columns([1, 1])
        with col1:
            st.write("**Информация.** \
                    Прогноз сделан по нескольким дням прошлого и нескольким дням будущего периода.")
            st.markdown("**Метрики для тестовой выборки:**")
            st.write(f"MAPE: {mape_test:.2f}%")
            st.write(f"RMSE: {rmse_test:.2f}")
            # Оценка тренда на первый день
            trend_evaluation_first_day = evaluate_trend_first_day(predicted_values_test, actual_values_test)
            st.write(trend_evaluation_first_day)
            # Оценка тренда на период прогноза
            trend_evaluation_period = evaluate_trend_period(predicted_values_test)
            st.write(trend_evaluation_period)
        with col2:
            forecast_results = pd.DataFrame({
                'Дата': forecast3['ds'].iloc[-period:].values,
                'Прогноз': forecast3['yhat'].iloc[-period:].values.round(2)
            })
            st.dataframe(forecast_results.set_index('Дата'))

text1_dji = f'График прогноза для {period} дней по индексу Dow Jones, USD 🇺🇸'
text2_dji = f"Результаты прогноза по Dow Jones Industrial Average"
index(dji, 'US', text1_dji, text2_dji)

text1_500 = f'График прогноза для {period} дней по индексу S&P 500, USD 🇺🇸'
text2_500 = f"Результаты прогноза по S&P 500"
index(data_500, 'US', text1_500, text2_500)

text1_sse = f'График прогноза для {period} дней по индексу SSE Composite, CNY 🇨🇳'
text2_sse = f"Результаты прогноза по SSE Composite Index"
index(sse, 'China', text1_sse, text2_sse)

text1_imoex = f'График прогноза для {period} дней по индексу MOEX Russia, RUB 🇷🇺'
text2_imoex = f"Результаты прогноза по MOEX Russia Index"
index(imoex, 'Russia', text1_imoex, text2_imoex)