pages/1_📈_Прогноз_индекса.py

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)