app.py

import mysql.connector
import os
from dotenv import load_dotenv
import gradio as gr
import cohere
from decimal import Decimal

# Load environment variables
load_dotenv(verbose=True)

# Function to fetch top high performers
#def get_top_high_performers(html: str):
def get_top_high_performers(html: str, limit: str):

    results = [{'manager_name': '加藤 圭介', 'annual_return': Decimal('11.40'), 'risk_adjusted_return': Decimal('6.40'), 'alpha': Decimal('1.60'), 'volatility': Decimal('13.50'), 'max_drawdown': Decimal('8.70'), 'customer_feedback': '信頼性の高さ', 'behavior_patterns': '計画性のある進行', 'score': Decimal('-2.80')}, {'manager_name': '鈴木 花子', 'annual_return': Decimal('13.20'), 'risk_adjusted_return': Decimal('7.50'), 'alpha': Decimal('1.66'), 'volatility': Decimal('18.80'), 'max_drawdown': Decimal('9.00'), 'customer_feedback': '積極的な姿勢', 'behavior_patterns': 'データドリブンアプローチ', 'score': Decimal('-5.44')}, {'manager_name': '中村 亮介', 'annual_return': Decimal('12.20'), 'risk_adjusted_return': Decimal('5.80'), 'alpha': Decimal('1.50'), 'volatility': Decimal('18.40'), 'max_drawdown': Decimal('8.10'), 'customer_feedback': '高度なプレゼン力', 'behavior_patterns': '結果志向の行動', 'score': Decimal('-7.00')}, {'manager_name': '田中 美咲', 'annual_return': Decimal('12.30'), 'risk_adjusted_return': Decimal('5.90'), 'alpha': Decimal('1.40'), 'volatility': Decimal('18.30'), 'max_drawdown': Decimal('9.10'), 'customer_feedback': 'ポジティブな思考', 'behavior_patterns': '戦略的な計画性', 'score': Decimal('-7.80')}, {'manager_name': '小林 彩香', 'annual_return': Decimal('11.90'), 'risk_adjusted_return': Decimal('6.10'), 'alpha': Decimal('1.20'), 'volatility': Decimal('18.80'), 'max_drawdown': Decimal('8.50'), 'customer_feedback': '優れたチームリーダー', 'behavior_patterns': '創造的な提案力', 'score': Decimal('-8.10')}]

    # Format the results for Gradio output
    formatted_results = [
        f"{i+1}. Manager: {row['manager_name']}, Score: {row['score']:.2f}\n"
        f"Customer Feedback: {row['customer_feedback']}\n"
        f"Behavior Patterns: {row['behavior_patterns']}\n"
        f"Annual Return: {row['annual_return']}%, Risk-Adjusted Return: {row['risk_adjusted_return']}%, "
        f"Alpha: {row['alpha']}, Volatility: {row['volatility']}%, Max Drawdown: {row['max_drawdown']}%\n"
        for i, row in enumerate(results)
    ]

    tmp = "\n\n".join(formatted_results)

    co = cohere.ClientV2(api_key=os.environ.get("COHERE_API_KEY"))
    res = co.chat(
        model="command-a-03-2025",
        messages=[
            {
                "role": "user",
                "content": tmp+"はパフォーマンスの高いファンド・マネージャのデータです。このデータを参考にしてファンド・マネージャの育成ガイドラインを策定してください。 必ず、日本語で答えてください。",
            }
        ],
    )
            
    final = res.message.content[0].text

    return "\n\n".join(formatted_results),final
    
# Define Gradio interface
interface = gr.Interface(
    fn=get_top_high_performers,
    inputs=[gr.HTML("""<strong>優秀なファンドマネージャーのKPI（重要業績評価指標）</strong>は、そのパフォーマンスを測定し、投資家の期待に応えるための指標として活用されます。以下に、具体的なKPIについて詳しく説明します：<br /><br />

    1. ポートフォリオのリターン
    年間リターン: ファンドのパフォーマンスを年間でどれだけ向上させたかを評価します。

    リスク調整後リターン（シャープレシオなど）: リスクを取った分に対してどれだけ効率的にリターンを生んだか。<br />

    2. ベンチマークとの比較
    ベンチマークインデックス（例: S&P500やTOPIX）を超えたパフォーマンスがあるかどうか。

    アルファ: ベンチマークを上回る超過リターンを測定。<br />

    3. リスク管理
    ボラティリティ: ポートフォリオの価格変動の安定性を測定。
    
    最大ドローダウン: ポートフォリオがどれだけ急落したかを把握。<br />

    4. 資金流入と流出
    資金流入量: 新規投資家から集めた資金額。

    資金流出量: 既存投資家の資金引き上げ率。<br />

    5. 費用対効果
    経費率: ファンドの運営にかかる総費用が投資家に与える影響を分析。<br />

    6. ポートフォリオの構成・分散
    アセットアロケーション: 投資先の地域やセクターの多様性。

    分散投資: リスクを軽減するための適切な銘柄選択。<br />

    7. 投資家とのコミュニケーション
    投資家に対する透明性と情報提供の頻度。<br />

    8. 定期的なレポートや説明会の実施。<br />

    これらのKPIを総合的に分析し、運用手腕を評価することで、優秀なファンドマネージャーの力量が分かります。
    
    <br /><br /><strong>High Performer</strong><br />
    High Performer 抽出の基準例<br />
    ✨年間リターンが10%以上<br />
    ✨リスク調整後リターンが5%以上<br />
    ✨アルファが1%以上<br />
    ✨ボラティリティが20%以下<br />
    ✨最大ドローダウンが10%以下
    """),gr.Textbox(label="件数",info="",value="5")],
    outputs=[gr.Textbox(label="結果",show_copy_button=True,info="Show records where the annual return is 10% or more, the risk-adjusted return is at least 5%, the alpha (excess return) is greater than or equal to 1, the volatility is no more than 20%, and the maximum drawdown is 10% or less. Then, sort these records in score descending order.\n年間リターンが10%以上、リスク調整後リターンが5%以上、アルファ（超過リターン）が1以上であり、ボラティリティが20%以下、最大ドローダウンが10%以下のレコードを選択します。その後、計算されたスコアを基準に降順で並び替えます。"),gr.Textbox(label="教育ガイドライン",info="""
    High Performerとは、優れた業績を上げるファンドマネージャーのことを指します!!
    ✨ 特に、以下のような基準を満たしていることが重要です：
    高いリターン:年間リターンが安定して高く、投資家に大きな利益をもたらします。
    リスク管理能力:ボラティリティ（価格変動）や最大ドローダウンが低く、リスクを抑えながら運用しています。
    ベンチマーク超過リターン:市場の指標（例: S&P500など）を上回るアルファ（超過リターン）を達成。
    顧客との信頼関係:顧客からのフィードバックが良好で、透明性や適切なコミュニケーションを維持。
    行動習慣と戦略:継続的な学習や市場の動向を分析するなど、優れた投資戦略を展開。

    例えば、あるHigh Performerの行動として、「地政学的イベントを監視して意思決定を行う」や「歴史的トレンドに基づいた投資方針を確立する」などがあります。💡
    このような特徴を持つファンドマネージャーは投資家から信頼され、資金運用の成功を導く鍵となる存在です。
    score = (annual_return + risk_adjusted_return + alpha - volatility - max_drawdown)""")],
    title="Top High Performers",
    submit_btn="実行",
    clear_btn="クリア",
    description="""Displays the top 5 high-performing fund managers based on calculated score.\n計算されたスコアに基づいて、パフォーマンスの高いファンドマネージャー上位5名を表示します。"""
)

# Add a sidebar for additional context or features
with gr.Blocks() as app:
    with gr.Row():
        #with gr.Column(scale=4):
        with gr.Sidebar(open=False):
            gr.HTML("""<!DOCTYPE html>
    <html lang="ja">
    <head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>投資指標の説明</title>
    <style>
        body {
            font-family: Arial, sans-serif;
            line-height: 1.6;
            margin: 20px;
        }
        h1, h2 {
            color: #2E86C1;
        }
        p {
            margin: 10px 0;
        }
        ul {
            margin: 10px 20px;
        }
        li {
            margin-bottom: 5px;
        }
    </style>
    </head>
    <body>
    <h1>投資指標の概要</h1>
    <h2>ドローダウン (Drawdown)</h2>
    <p>ドローダウンは、資産価値が最大から最小までどれだけ減少したかを示す指標です。投資のリスクを評価する重要な指標であり、ドローダウンが小さいほど安定した運用とみなされます。</p>
    <ul>
        <li>例: 資産価値が1,000万円から800万円に下がった場合、ドローダウン率は20%。</li>
        <li>「最悪の場合どれだけの損失を出す可能性があるか」を示します。</li>
    </ul>

    <h2>アルファ (Alpha)</h2>
    <p>アルファは市場全体（ベンチマーク）をどれだけ上回ったかを示す指標で、ファンドマネージャーの運用手腕を評価するのに使われます。</p>
    <ul>
        <li>アルファ = ポートフォリオのリターン - [無リスク利率 + ベンチマークリターン × ベータ値]</li>
        <li>アルファがプラスの場合、運用が市場を上回っていることを意味します。</li>
    </ul>

    <h2>年間リターン (Annual Return)</h2>
    <p>年間リターンは、1年間でどれだけの利益を生み出したかを示す指標です。</p>
    <ul>
        <li>計算式: 年間リターン (%) = [(期末の資産価値 - 期初の資産価値) / 期初の資産価値] × 100</li>
        <li>投資パフォーマンスを評価する際の基本的な指標。</li>
    </ul>

    <h2>リスク調整後リターン (Risk-Adjusted Return)</h2>
    <p>リスク調整後リターンは、リスクを考慮してリターンの質を評価する指標です。主な指標にはシャープレシオとトレイナーレシオがあります。</p>
    <ul>
        <li>シャープレシオ: ポートフォリオのリターン − 無リスク資産のリターン ÷ ポートフォリオの標準偏差</li>
        <li>トレイナーレシオ: ポートフォリオのリターン − 無リスク資産のリターン ÷ ベータ値</li>
    </ul>

    <h2>ボラティリティ (Volatility)</h2>
    <p>ボラティリティは資産の価格変動の大きさを表す指標で、リスクの尺度として使われます。</p>
    <ul>
        <li>価格の標準偏差を基に計算されます。</li>
        <li>ボラティリティが高いほどリスクが高く、低いほど安定していると評価されます。</li>
    </ul>
    <ul>
        <li>S&P500とTopixの計算方法</li>
        <li>S&P500は、時価総額加重平均指数を使用しています。これは、大企業がインデックスに与える影響が大きくなる仕組みです。

        計算式:

        S&P500 = frac{sum text{各企業の時価総額}}{text{基準時の時価総額}} times 100
        各企業の時価総額は「株価 × 発行済み株式数」で求められます。

        基準時の時価総額は固定された値で、比較を容易にします。

        特徴:

        米国のトップ500社が対象。

        大企業の動向がインデックスに強く影響。

        TOPIX（東京証券取引所株価指数）の計算方法
        TOPIXも同様に、時価総額加重平均指数を使用しますが、日本市場全体を対象としています。

        計算式:


        Topix = ∑各企業の時価総額/基準時の時価総額×100
        各企業の時価総額 = 株価 x 発行済み株式数。

        基準時の時価総額は1968年の市場時価総額。

        特徴:

        東京証券取引所に上場しているすべての銘柄が対象。

        市場全体の動きを反映。

        両インデックスとも時価総額加重方式を採用し、大企業が与える影響が大きいですが、S&P500は米国市場、TOPIXは日本市場を示す指標として利用されます。
    </ul>
    </body>
    </html>
""")
        with gr.Column(scale=8):
            interface.render()

# Launch the app
app.launch()

# Launch Gradio app
#interface.launch()