fix: Veri çekme hatası düzeltildi, hata kontrolleri geliştirildi

app.py

@@ -2,133 +2,166 @@ import streamlit as st
 import pandas as pd
 import numpy as np
 import yfinance as yf
+import plotly.graph_objects as go
 import plotly.express as px
+from datetime import datetime
 
-# Başlık
-st.title('Portföy Yönetim Aracı')
+st.title("Portföy Yönetim Aracı")
 
-# Kullanıcıdan hisse senedi sembollerini alın
-st.sidebar.header("Portföy Bilgileri")
-symbols = st.sidebar.text_input("Hisse Senedi Sembolleri (Virgülle Ayırın)", "AAPL, MSFT, TSLA")
-symbols = [sym.strip().upper() for sym in symbols.split(',')]
+# Yan panel girdileri
+st.sidebar.header("Kullanıcı Girdileri")
+symbols_input = st.sidebar.text_input("Hisse Senedi Sembolleri (virgülle ayrılmış)", value="AAPL, MSFT, TSLA")
+symbols = [sym.strip().upper() for sym in symbols_input.split(",") if sym.strip()]
 
-# Kullanıcıdan her hisse senedi için yatırım miktarını alın
-amounts = {}
+investment_amounts = {}
+st.sidebar.subheader("Yatırım Miktarları (Adet)")
 for sym in symbols:
-    amount = st.sidebar.number_input(f'{sym} için yatırım miktarı girin:', min_value=0, value=1000)
-    amounts[sym] = amount
-
-# Veri çekme fonksiyonu
-def load_data(symbols):
-    data = {}
-    
-    for sym in symbols:
-        try:
-            stock_data = yf.download(sym, start="2022-01-01", end="2024-01-01")['Close']
-            if not stock_data.empty:
-                data[sym] = stock_data
-            else:
-                st.warning(f"⚠️ {sym} için veri bulunamadı! Lütfen doğru bir hisse senedi sembolü girdiğinizden emin olun.")
-        
-        except Exception as e:
-            st.error(f"❌ {sym} için veri çekilirken hata oluştu: {e}")
-
-    if not data:
-        st.warning("⚠️ Hiçbir hisse senedi verisi yüklenemedi. Lütfen sembolleri kontrol edin.")
-        return pd.DataFrame()  # Boş DataFrame döndür
-
-    return pd.DataFrame(data)
-
-# Veriyi yükleyin
-df = load_data(symbols)
-
-if not df.empty and not df.isnull().all().all():
-    # Portföy performansını hesaplayın
-    total_investment = sum(amounts.values())
+    amount = st.sidebar.number_input(f"{sym} için adet", min_value=0.0, value=0.0, step=1.0)
+    investment_amounts[sym] = amount
+
+st.sidebar.header("Tarih Aralığı")
+start_date = st.sidebar.date_input("Başlangıç Tarihi", value=datetime(2022, 1, 3))
+end_date = st.sidebar.date_input("Bitiş Tarihi", value=datetime(2024, 1, 1))
+
+st.sidebar.header("Hareketli Ortalama")
+ma_window = st.sidebar.number_input("Hareketli Ortalama Pencere Boyutu (gün)", min_value=1, value=20, step=1)
+
+@st.cache_data  # st.cache yerine st.cache_data kullanılması önerilir
+def load_data(symbol, start_date, end_date):
+    try:
+        data = yf.download(symbol, start=start_date, end=end_date)
+        if data.empty:
+            st.warning(f"{symbol} için veri bulunamadı veya boş döndü.")
+        return data
+    except Exception as e:
+        st.error(f"{symbol} verisi çekilirken hata oluştu: {e}")
+        return None
+
+data_dict = {}
+for sym in symbols:
+    df = load_data(sym, start_date, end_date)
+    if df is not None:
+        data_dict[sym] = df
 
+st.header("Hisse Senedi Fiyatları")
+for sym, df in data_dict.items():
     if not df.empty:
-        portfolio_value = df.iloc[-1] * pd.Series(amounts)
-        portfolio_value_total = portfolio_value.sum()
-
-        st.write(f"💰 **Toplam yatırım miktarı:** ${total_investment:.2f}")
-        st.write(f"📊 **Her bir hissenin mevcut değeri:**")
-        st.write(portfolio_value)
-        st.write(f"💼 **Portföyün toplam değeri:** ${portfolio_value_total:.2f}")
-
-    # Grafikler
-    st.subheader("📈 Hisse Senedi Fiyatları")
-    fig = px.line(df, title="Hisse Senedi Fiyatları")
-    st.plotly_chart(fig)
-
-    st.subheader("📊 Portföy Dağılım Grafiği")
-    fig = px.bar(x=amounts.keys(), y=portfolio_value, labels={"x": 'Yatırım Araçları', 'y': 'Portföy Değeri'})
-    st.plotly_chart(fig)
-
-    # Getiri hesaplamaları
-    st.subheader("📅 Günlük Getiriler")
-    daily_returns = df.pct_change().dropna()
-    st.dataframe(daily_returns)
-
-    st.subheader("📅 Aylık Getiriler")
-    monthly_returns = df.resample('M').ffill().pct_change().dropna()
-    st.dataframe(monthly_returns)
-
-    st.subheader("📅 Yıllık Getiriler")
-    annual_returns = df.resample('Y').ffill().pct_change().dropna()
-    st.dataframe(annual_returns)
-
-    # Risk Analizi
-    st.subheader("📊 Volatilite (Yıllık)")
-    volatility = daily_returns.std() * np.sqrt(252)
-    st.dataframe(volatility)
-
-    st.subheader("📉 Beta Değeri")
-    if not daily_returns.empty:
-        beta = daily_returns.cov() / daily_returns.var()
-        st.dataframe(beta)
-
-    # Hareketli Ortalama
-    st.subheader("📊 Hareketli Ortalama")
-    window_size = st.sidebar.slider("Hareketli Ortalama Penceresi (Gün)", 5, 100, 20)
-    moving_avg = df.rolling(window=window_size).mean()
-    st.line_chart(moving_avg)
-
-    # Tarih Aralığı Filtreleme
-    st.subheader("📅 Tarih Aralığına Göre Veri Filtreleme")
-    start_date = st.sidebar.date_input("📅 Başlangıç Tarihi", pd.to_datetime("2023-01-01"))
-    end_date = st.sidebar.date_input("📅 Bitiş Tarihi", pd.to_datetime("2024-01-01"))
-
-    if start_date < end_date:
-        filtered_data = df[(df.index >= start_date) & (df.index <= end_date)]
-        st.line_chart(filtered_data)
+        fig = go.Figure()
+        fig.add_trace(go.Scatter(x=df.index, y=df['Close'], mode='lines', name='Kapanış Fiyatı'))
+        fig.add_trace(go.Scatter(x=df.index, 
+                                 y=df['Close'].rolling(window=int(ma_window)).mean(), 
+                                 mode='lines', 
+                                 name=f'{ma_window} Günlük MA'))
+        fig.update_layout(title=f"{sym} Fiyat Grafiği", xaxis_title="Tarih", yaxis_title="Fiyat (USD)")
+        st.plotly_chart(fig)
     else:
-        st.error("❌ Başlangıç tarihi bitiş tarihinden sonra olmamalıdır.")
-
-    # Monte Carlo Simülasyonu
-    st.subheader("📊 Monte Carlo Simülasyonu")
-    
-    if not daily_returns.empty:
-        mean_returns = daily_returns.mean()
-        simulations = 1000
-        simulation_df = pd.DataFrame()
-
-        for x in range(simulations):
-            simulated_prices = []
-
-            for symbol in symbols:
-                if symbol in df.columns:
-                    price_series = [df[symbol].iloc[-1]]
-                    for _ in range(365):  # 1 yıl
-                        price_series.append(price_series[-1] * (1 + np.random.normal(mean_returns[symbol], volatility[symbol])))
-                    simulated_prices.append(price_series)
-
-            if simulated_prices:
-                simulation_df[x] = pd.Series([np.sum(sim) for sim in zip(*simulated_prices)])
-
-        st.line_chart(simulation_df)
+        st.warning(f"{sym} için çizilecek veri yok.")
+
+st.header("Portföy Performansı")
+portfolio_value = 0
+portfolio_values = {}
+
+for sym, df in data_dict.items():
+    # Eğer df boş değilse hesaplamaları yap
+    if df is not None and not df.empty:
+        latest_price = df['Close'].iloc[-1]
+        value = latest_price * investment_amounts[sym]
+        portfolio_values[sym] = value
+        portfolio_value += value
     else:
-        st.warning("⚠️ Monte Carlo Simülasyonu için yeterli veri yok.")
-
-else:
-    st.error("❌ Hisse senedi verisi bulunamadı. Lütfen geçerli bir sembol girin.")
-
+        st.warning(f"{sym} veri seti boş veya None, hesaplamalar atlanıyor.")
+
+st.write("Güncel Portföy Değeri: $", round(portfolio_value, 2))
+portfolio_df = pd.DataFrame({
+    "Sembol": list(portfolio_values.keys()),
+    "Değer": list(portfolio_values.values())
+})
+fig_bar = px.bar(portfolio_df, x="Sembol", y="Değer", title="Portföy Dağılım Grafiği", labels={"Değer": "Değer ($)"})
+st.plotly_chart(fig_bar)
+
+# Getiri Hesaplamaları
+st.header("Getiri Hesaplamaları")
+returns_data = {}
+for sym, df in data_dict.items():
+    df = df.copy()
+    df['Daily Return'] = df['Close'].pct_change()
+    returns_data[sym] = df['Daily Return']
+
+# Günlük Getiri Tablosu
+st.subheader("Günlük Getiriler")
+daily_returns_df = pd.DataFrame({sym: data['Daily Return'] for sym, data in data_dict.items()})
+st.dataframe(daily_returns_df.tail())
+
+# Aylık Getiri Hesaplaması
+st.subheader("Aylık Getiriler")
+monthly_returns = {}
+for sym, df in data_dict.items():
+    df = df.copy()
+    df['Monthly Return'] = df['Close'].resample('M').ffill().pct_change()
+    monthly_returns[sym] = df['Monthly Return']
+monthly_returns_df = pd.DataFrame(monthly_returns)
+st.dataframe(monthly_returns_df.tail())
+
+# Yıllık Getiri Hesaplaması
+st.subheader("Yıllık Getiriler")
+annual_returns = {}
+for sym, df in data_dict.items():
+    df = df.copy()
+    df['Annual Return'] = df['Close'].resample('Y').ffill().pct_change()
+    annual_returns[sym] = df['Annual Return']
+annual_returns_df = pd.DataFrame(annual_returns)
+st.dataframe(annual_returns_df.tail())
+
+# Risk Analizi
+st.header("Risk Analizi")
+risk_metrics = {}
+for sym, df in data_dict.items():
+    df = df.copy()
+    daily_vol = df['Daily Return'].std()
+    annual_vol = daily_vol * np.sqrt(252)
+    risk_metrics[sym] = {"Günlük Volatilite": daily_vol, "Yıllık Volatilite": annual_vol}
+
+risk_df = pd.DataFrame(risk_metrics).T
+st.dataframe(risk_df)
+
+# Portföyün Günlük Getirilerinin Hesaplanması (Yatırım miktarlarına göre ağırlıklandırma)
+portfolio_daily_returns = pd.Series(0, index=list(data_dict.values())[0].index)
+total_investment = sum(investment_amounts[sym] for sym in symbols if sym in investment_amounts and investment_amounts[sym] > 0)
+for sym, df in data_dict.items():
+    weight = investment_amounts[sym] / total_investment if total_investment > 0 else 0
+    portfolio_daily_returns += df['Daily Return'] * weight
+
+# Beta Hesaplaması: Her hisse için, portföy getirisine göre beta = cov(ha, portföy)/var(portföy)
+beta_values = {}
+for sym, df in data_dict.items():
+    covariance = np.cov(df['Daily Return'].dropna(), portfolio_daily_returns.dropna())[0, 1]
+    variance = np.var(portfolio_daily_returns.dropna())
+    beta = covariance / variance if variance != 0 else np.nan
+    beta_values[sym] = beta
+
+beta_df = pd.DataFrame.from_dict(beta_values, orient='index', columns=["Beta"])
+st.subheader("Beta Değerleri")
+st.dataframe(beta_df)
+
+# Monte Carlo Simülasyonu: Portföyün 1 yıl sonraki değeri için 1000 simülasyon
+st.header("Monte Carlo Simülasyonu ile Gelecek Portföy Değeri Tahmini")
+simulations = 1000
+days = 365
+last_portfolio_value = portfolio_value
+
+# Portföy günlük getirilerinin ortalama ve standart sapması
+portfolio_daily_mean = portfolio_daily_returns.mean()
+portfolio_daily_std = portfolio_daily_returns.std()
+
+simulation_results = []
+for i in range(simulations):
+    simulated_value = last_portfolio_value
+    for d in range(days):
+        simulated_return = np.random.normal(portfolio_daily_mean, portfolio_daily_std)
+        simulated_value *= (1 + simulated_return)
+    simulation_results.append(simulated_value)
+
+fig_hist = px.histogram(simulation_results, nbins=50,
+                        title="Monte Carlo Simülasyonu Sonuçları (1 Yıl Sonra Portföy Değeri Dağılımı)",
+                        labels={"value": "Portföy Değeri", "count": "Frekans"})
+st.plotly_chart(fig_hist)