g

pages/1_📈_Прогноз_индекса. Prophet.py

@@ -18,7 +18,7 @@ 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)
+period = st.slider('Количество дней прогноза:', 7, 14, 14)
 
 # @st.cache_data
 def load_data():
@@ -35,20 +35,6 @@ def load_data():
 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_value, actual_value):
     # Разница между первым днем прогноза и последним днем тестовых данных
@@ -227,9 +213,8 @@ def index(ind, holidays_df, text1, text2, k=0):
     if check:
         col1, col2 = st.columns([1, 1])
         with col1:
-            st.write("**Информация.** \
-                    Прогноз составлен на тестовой выборке с возможностью выбора периода до 14 дней. \
-                     Дополнительно приведен прогноз для будущего периода с указанием тенденции дельнейшего развития.")
+            st.write(f"**Информация.** \
+                    Горизонт планирования {period} дней. Валидация модели на тестовой выборке ({period} дней).")
             st.markdown("**Метрики для тестовой выборки:**")
             st.write(f"MAPE: {mape_test:.2f}%")
             st.write(f"RMSE: {rmse_test:.2f}")

pages/2_💲 _Прогноз_акций. Prophet.py

@@ -22,7 +22,7 @@ TODAY = date.today().strftime("%Y-%m-%d")
 stocks = ('AAPL', 'UNH', 'MSFT', 'GS', 'HD', 'AMGN', 'MCD', 'CAT', 'CRM', 'V', 'BA', 'HON', 'TRV', 'AXP', 'JPM', 'IBM', 'JNJ', 'WMT', 'PG', 'CVX', 'MRK', 'MMM', 'NKE', 'DIS', 'KO', 'DOW', 'CSCO', 'INTC', 'VZ', 'WBA')
 selected_stock = st.selectbox('Выберите тикер из индекса Dow Jones', stocks)
 
-period = st.slider('Количество дней прогноза:', 1, 14, 14)
+period = st.slider('Количество дней прогноза:', 7, 14, 14)
 
 # @st.cache_data
 def load_data(ticker):
@@ -154,9 +154,8 @@ def ticker(data, holidays_df, text1, text2, k):
     if check:
         col1, col2 = st.columns([1, 1])
         with col1:
-            st.write("**Информация.** \
-                    Прогноз составлен на тестовой выборке с возможностью выбора периода до 14 дней. \
-                     Дополнительно приведен прогноз для будущего периода с указанием тенденции дельнейшего развития.")
+            st.write(f"**Информация.** \
+                    Горизонт планирования {period} дней. Валидация модели на тестовой выборке ({period} дней).")
             st.markdown("**Метрики для тестовой выборки:**")
             st.write(f"RMSE: {rmse_test:.2f}")
             st.write(f"MAPE: {mape_test:.2f}%")
@@ -167,6 +166,8 @@ def ticker(data, holidays_df, text1, text2, k):
             # Оценка тренда на период прогноза
             trend_evaluation_period = evaluate_trend_period(forecast_14_days[['ds', 'yhat']])
             st.write(trend_evaluation_period)
+            st.info("📌 Кастомная метрика “weighted MAPE’’  - \
+                    взвешенное среднее абсолютных процентных ошибок 1 дня прогноза по отношению к значениям крайних 7 дней.")
         with col2:
             forecast_results = pd.DataFrame({
                 'Дата': forecast_14_days['ds'].iloc[-period:].values,

pages/3_🪙_Прогноз_Bitcoin USD. BiLSTM.py

@@ -19,7 +19,7 @@ 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)
+period = st.slider('Количество дней прогноза:', 7, 14, 14)
 
 df = yf.download('BTC-USD', START, TODAY)
 df.reset_index(inplace=True)
@@ -119,7 +119,7 @@ fig.add_trace(go.Scatter(x=formatted_dates,
                          name='Прогноз будущее',
                          line=dict(color='red', width=2, dash='dash')))
 
-fig.update_layout(title=f'Прогноз по Bitcoin на {period} дней',
+fig.update_layout(title=f'График прогноза для {period} дней по Bitcoin, USD 🇺🇸',
                   xaxis_title='Дата',
                   yaxis_title='Цена закрытия',
                   xaxis=dict(tickangle=45),
@@ -141,7 +141,7 @@ fig.add_trace(go.Scatter(x=formatted_dates,
                          name='Прогноз будущее',
                          line=dict(color='red', width=2, dash='dash')))
 
-fig.update_layout(title=f'Прогноз по Bitcoin на {period} дней (в интервале месяца)',
+fig.update_layout(title=f'График прогноза для {period} дней по Bitcoin, USD (в интервале месяца)🇺🇸',
                   xaxis_title='Дата',
                   yaxis_title='Цена закрытия',
                   xaxis=dict(tickangle=45),
@@ -153,7 +153,7 @@ fig.update_layout(title=f'Прогноз по Bitcoin на {period} дней (в
 st.plotly_chart(fig, use_container_width=True)
 
 # Генерация дат для будущих педсказаний
-future_dates = [df['Date'].values[-1] + np.timedelta64(i+1, 'D') for i in range(14)]
+future_dates = [df['Date'].values[-1] + np.timedelta64(i+1, 'D') for i in range(period)]
 
 # Расчет тренда на первый день
 trend_first_day = adjusted_future_predictions[0] - df['Adj Close'].iloc[-1]
@@ -169,8 +169,8 @@ check = st.checkbox('Результаты прогноза Bitcoin')
 if check:
     col1, col2 = st.columns([1, 1])
     with col1:
-        st.write("**Информация.** \
-                Прогноз составлен для будущего периода с возможностью выбора до 14 дней с указанием тенденции дельнейшего развития.")
+        st.write(f"**Информация.** \
+                 Горизонт планирования {period} дней. Валидация модели на тестовой выборке ({period} дней).")
         st.markdown("**Метрики для тестовой выборки:**")
         st.write(f"RMSE: {test_rmse:.2f}")
         st.write(f"MAPE: {test_mape:.2f}%")
@@ -179,6 +179,8 @@ if check:
         st.write(f'Тенденция на первый день: {trend_first_day_text}')
         # Оценка тренда на период прогноза
         st.write(f'Тенденция на период прогноза: {trend_last_day_text}')
+        st.info("📌 Кастомная метрика “weighted MAPE’’  - \
+                 взвешенное среднее абсолютных процентных ошибок 1 дня прогноза по отношению к значениям крайних 7 дней.")
     with col2:
         results = pd.DataFrame({
             'Дата': future_dates,