Update app.py

app.py

@@ -6,7 +6,6 @@ import matplotlib.pyplot as plt
 import scipy.optimize as sco
 
 def get_stock_data(tickers, start, end):
-    """Mengambil data harga saham dari Yahoo Finance."""
     data = yf.download(tickers, start=start, end=end)
     
     if data.empty:
@@ -23,12 +22,10 @@ def get_stock_data(tickers, start, end):
         return None
 
 def calculate_returns(data):
-    """Menghitung return logaritmik dan matriks kovarians saham."""
     log_returns = np.log(data / data.shift(1))  
     return log_returns.mean() * 252, log_returns.cov() * 252
 
 def optimize_portfolio(returns, cov_matrix):
-    """Mengoptimalkan portofolio dengan memaksimalkan rasio Sharpe."""
     num_assets = len(returns)
     
     def sharpe_ratio(weights):
@@ -44,7 +41,6 @@ def optimize_portfolio(returns, cov_matrix):
     return result.x if result.success else None
 
 def generate_efficient_frontier(returns, cov_matrix, num_portfolios=5000):
-    """Membuat simulasi Efficient Frontier untuk berbagai kombinasi portofolio."""
     num_assets = len(returns)
     results = np.zeros((3, num_portfolios))
     
@@ -62,9 +58,11 @@ def generate_efficient_frontier(returns, cov_matrix, num_portfolios=5000):
 
 st.title("Analisis Portofolio Saham Optimal (Model Markowitz)")
 
-st.write("""
-Portofolio optimal adalah strategi investasi yang bertujuan untuk mencapai return maksimum dengan risiko minimal.
-Model Markowitz digunakan untuk menentukan kombinasi saham terbaik dalam suatu portofolio.
+st.markdown("""
+### Teori Markowitz
+Model Markowitz, atau Modern Portfolio Theory (MPT), digunakan untuk membangun portofolio investasi optimal dengan memaksimalkan return untuk tingkat risiko tertentu.
+
+Portofolio yang optimal ditemukan dengan menghitung kombinasi terbaik dari aset yang tersedia untuk meminimalkan risiko dan memaksimalkan return.
 """)
 
 def get_recommended_stocks():
@@ -77,7 +75,7 @@ def validate_tickers(tickers):
         return False
     return True
 
-st.subheader("Rekomendasi Saham Bertahan Saat COVID-19")
+st.write("Rekomendasi Saham yang Bertahan Saat COVID-19:")
 st.write(get_recommended_stocks())
 
 tickers_list = st.text_input("Masukkan ticker saham", "KLBF.JK, SIDO.JK, KAEF.JK").split(", ")
@@ -86,45 +84,4 @@ end_date = st.date_input("Pilih tanggal akhir", pd.to_datetime("2023-12-31"))
 
 if st.button("Analisis Portofolio"):
     if validate_tickers(tickers_list):
-        stock_data = get_stock_data(tickers_list, start_date, end_date)
-        if stock_data is not None:
-            mean_returns, cov_matrix = calculate_returns(stock_data)
-            optimal_weights = optimize_portfolio(mean_returns, cov_matrix)
-
-            st.subheader("Statistik Saham")
-            st.write(stock_data.describe())
-            
-            if optimal_weights is not None:
-                st.subheader("Bobot Portofolio Optimal")
-                portfolio_weights = {stock: weight for stock, weight in zip(stock_data.columns, optimal_weights)}
-                st.write(portfolio_weights)
-                
-                fig, ax = plt.subplots()
-                ax.pie(optimal_weights, labels=stock_data.columns, autopct='%1.1f%%', startangle=140)
-                ax.axis('equal')
-                st.pyplot(fig)
-                
-                st.write("""
-                **Interpretasi:**
-                - Bobot dalam portofolio menunjukkan proporsi investasi pada masing-masing saham.
-                - Semakin besar bobot, semakin besar porsi dana yang dialokasikan ke saham tersebut.
-                """)
-                
-                results = generate_efficient_frontier(mean_returns, cov_matrix)
-                
-                st.subheader("Efficient Frontier")
-                fig, ax = plt.subplots()
-                scatter = ax.scatter(results[1, :], results[0, :], c=results[2, :], cmap="viridis", marker='o')
-                ax.set_xlabel("Risiko (Standar Deviasi)")
-                ax.set_ylabel("Return Tahunan")
-                ax.set_title("Efficient Frontier")
-                fig.colorbar(scatter, label="Sharpe Ratio")
-                st.pyplot(fig)
-                
-                st.write("""
-                **Penjelasan Efficient Frontier:**
-                - Grafik ini menunjukkan hubungan antara risiko dan return dari berbagai kombinasi portofolio.
-                - Portofolio yang berada di frontier efisien memberikan return terbaik untuk tingkat risiko tertentu.
-                """)
-            else:
-                st.error("Optimasi portofolio gagal. Coba dengan saham yang berbeda.")
+        stock_data = get_stock