Upload 4 files

api_keys.json

@@ -0,0 +1,4 @@
+{
+    "coinmarketcap_key": "bb9edc9f-53fe-4709-85d7-c51ade37920e",
+    "newsapi_key": "b19b9e2abfa34a158d6391d6c622d9b4"
+}

app.py

@@ -0,0 +1,507 @@
+ import streamlit as st
+import requests
+import json
+import os
+import numpy as np
+import yfinance as yf
+import datetime as dt
+import pandas as pd
+import pandas_ta as ta
+from pytz import timezone
+import plotly.graph_objects as go
+from sklearn.linear_model import LinearRegression
+from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer
+from sklearn.model_selection import train_test_split
+from sklearn.ensemble import RandomForestClassifier
+from sklearn.metrics import accuracy_score
+
+USERS_FILE = 'users.json'
+API_KEYS_FILE = 'api_keys.json'
+
+def load_users():
+    if not os.path.exists(USERS_FILE):
+        with open(USERS_FILE, 'w') as file:
+            json.dump({"users": []}, file)
+    with open(USERS_FILE, 'r') as file:
+        return json.load(file)
+
+def save_users(users):
+    with open(USERS_FILE, 'w') as file:
+        json.dump(users, file)
+
+def login(username, password):
+    users = load_users()
+    for user in users['users']:
+        if user['username'] == username and user['password'] == password:
+            return True
+    return False
+
+def signup(username, password):
+    users = load_users()
+    for user in users['users']:
+        if user['username'] == username:
+            return False
+    users['users'].append({"username": username, "password": password})
+    save_users(users)
+    return True
+
+def admin_login(username, password):
+    if username == "admin" and password == "admin":
+        return True
+    return False
+
+def load_api_keys():
+    if not os.path.exists(API_KEYS_FILE):
+        with open(API_KEYS_FILE, 'w') as file:
+            json.dump({"newsapi_key": "", "coinmarketcap_key": ""}, file)
+    with open(API_KEYS_FILE, 'r') as file:
+        return json.load(file)
+
+def save_api_keys(newsapi_key, coinmarketcap_key):
+    api_keys = load_api_keys()
+    api_keys['newsapi_key'] = newsapi_key
+    api_keys['coinmarketcap_key'] = coinmarketcap_key
+    with open(API_KEYS_FILE, 'w') as file:
+        json.dump(api_keys, file)
+
+def get_crypto_news(api_key, crypto_symbol, sort_by='publishedAt'):
+    url = f"https://newsapi.org/v2/everything?q={crypto_symbol}&apiKey={api_key}&language=en&sortBy={sort_by}"
+    response = requests.get(url)
+    if response.status_code == 200:
+        news_data = response.json()
+        articles = news_data.get('articles', [])
+        crypto_news = []
+        for article in articles:
+            title = article.get('title', 'No Title')
+            description = article.get('description', 'No Description')
+            url = article.get('url', '#')
+            published_at = article.get('publishedAt', 'No Date')
+            relevancy = article.get('relevancy', 'unknown')  # Ensure 'relevancy' is present
+            popularity = article.get('popularity', 'unknown')  # Ensure 'popularity' is present
+            crypto_news.append({
+                "title": title, 
+                "description": description, 
+                "url": url, 
+                "publishedAt": published_at,
+                "relevancy": relevancy,
+                "popularity": popularity
+            })
+        return crypto_news
+    else:
+        return [] 
+
+def analyze_news_sentiment(news):
+    analyzer = SentimentIntensityAnalyzer()
+    for article in news:
+        title = article['title']
+        description = article['description']
+        sentiment_score = analyzer.polarity_scores(title + " " + description)
+        article['sentiment'] = sentiment_score
+    return news
+
+def train_price_prediction_model(data):
+    X = data[['Open', 'High', 'Low', 'Volume']]
+    y = data['Close']
+    model = LinearRegression()
+    model.fit(X, y)
+    return model
+
+def predict_crypto_price(data, model):
+    latest_data = data.iloc[-1]
+    latest_features = latest_data[['Open', 'High', 'Low', 'Volume']].values.reshape(1, -1)
+    predicted_price = model.predict(latest_features)[0]
+    return predicted_price
+
+def analyze_indicators(data):
+    if 'Close' in data:
+        data['RSI'] = ta.rsi(data['Close'], length=14)
+        data['Stochastic'] = ta.stoch(data['High'], data['Low'], data['Close'], k=14, d=3)['STOCHk_14_3_3']
+        macd = ta.macd(data['Close'], fast=12, slow=26, signal=9)
+        data['MACD'] = macd['MACD_12_26_9']
+        data['SMA'] = ta.sma(data['Close'], length=50)
+        data['EMA'] = ta.ema(data['Close'], length=50)
+    else:
+        data['RSI'] = pd.Series([None]*len(data))
+        data['Stochastic'] = pd.Series([None]*len(data))
+        data['MACD'] = pd.Series([None]*len(data))
+        data['SMA'] = pd.Series([None]*len(data))
+        data['EMA'] = pd.Series([None]*len(data))
+    return data
+    
+def calculate_indicators(data):
+    data['MA'] = data['Close'].rolling(window=10).mean()
+    data['CCI'] = (data['Close'] - data['Close'].rolling(window=20).mean()) / (0.015 * data['Close'].rolling(window=20).std())
+    data['MACD'] = data['Close'].ewm(span=12, adjust=False).mean() - data['Close'].ewm(span=26, adjust=False).mean()
+    return data    
+
+def generate_signals(data):
+    buy_signal = None
+    sell_signal = None
+    
+    # محاسبه اندیکاتورها
+    data = calculate_indicators(data)
+    data.dropna(inplace=True)
+    
+    # آماده‌سازی ویژگی‌ها و برچسب‌ها
+    features = data[['RSI', 'Stochastic', 'MA', 'CCI', 'MACD']]
+    labels = ((data['RSI'] < 30) & (data['Stochastic'] < 20)).astype(int) - ((data['RSI'] > 70) & (data['Stochastic'] > 80)).astype(int)
+    
+    # تقسیم داده‌های آموزش و تست
+    X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42)
+    
+    # آموزش مدل RandomForest
+    model = RandomForestClassifier(n_estimators=100, random_state=42)
+    model.fit(X_train, y_train)
+    
+    # پیش‌بینی و ارزیابی مدل
+    y_pred = model.predict(X_test)
+    accuracy = accuracy_score(y_test, y_pred)
+    
+    if 0.8 <= accuracy <= 1.0:
+        latest_data = data.iloc[-1]
+        prediction = model.predict([latest_data[['RSI', 'Stochastic', 'MA', 'CCI', 'MACD']].values])
+        
+        if prediction == 1:
+            buy_signal = (latest_data.name, latest_data['Close'], latest_data['Close'] * 0.95, "High Risk", 3)
+        elif prediction == -1:
+            sell_signal = (latest_data.name, latest_data['Close'], latest_data['Close'] * 1.05, "High Risk", 3)
+    
+    return buy_signal, sell_signal
+
+def get_fear_and_greed_index():
+    response = requests.get("https://api.alternative.me/fng/?limit=1")
+    if response.status_code == 200:
+        return response.json()["data"][0]["value"]
+    else:
+        return None
+
+def get_crypto_data_from_coinmarketcap(api_key, crypto_symbol):
+    url = "https://pro-api.coinmarketcap.com/v1/cryptocurrency/quotes/latest"
+    parameters = {'symbol': crypto_symbol, 'convert': 'USD'}
+    headers = {'Accepts': 'application/json', 'X-CMC_PRO_API_KEY': api_key}
+    response = requests.get(url, headers=headers, params=parameters)
+    data = response.json()
+    return data['data'][crypto_symbol]['quote']['USD']
+
+def display_time_information(language):
+    if language == "English":
+        st.subheader("Time Information")
+        st.write("Below are the current times for different global markets and the best trading time in Iran.")
+    else:
+        st.subheader("اطلاعات زمان")
+        st.write("در زیر زمان‌های فعلی برای بازارهای جهانی و بهترین زمان معامله در ایران آورده شده است.")
+
+    iran_tz = timezone('Asia/Tehran')
+    utc_tz = timezone('UTC')
+    japan_tz = timezone('Asia/Tokyo')
+    europe_tz = timezone('Europe/Berlin')
+    us_tz = timezone('America/New_York')
+
+    iran_time = dt.datetime.now(iran_tz).strftime('%H:%M:%S')
+    utc_time = dt.datetime.now(utc_tz).strftime('%H:%M:%S')
+    japan_open = dt.datetime.now(japan_tz).replace(hour=9, minute=0, second=0, microsecond=0).strftime('%H:%M:%S')
+    europe_open = dt.datetime.now(europe_tz).replace(hour=8, minute=0, second=0, microsecond=0).strftime('%H:%M:%S')
+    us_open = dt.datetime.now(us_tz).replace(hour=9, minute=30, second=0, microsecond=0).strftime('%H:%M:%S')
+
+    if language == "English":
+        st.write(f"Iran Time: {iran_time}")
+        st.write(f"UTC Time: {utc_time}")
+
+        st.subheader("Global Crypto Markets Open Times")
+        data = {
+            "Country": ["Japan", "Europe", "USA"],
+            "Open Time": [japan_open, europe_open, us_open]
+        }
+        df = pd.DataFrame(data)
+        st.table(df)
+
+        st.subheader("Best Trading Time in Iran")
+        st.write("The best time for trading in Iran is when the global crypto markets are active, especially during the overlapping hours of the European and American markets.")
+    else:
+        st.write(f"زمان ایران: {iran_time}")
+        st.write(f"زمان هماهنگ جهانی: {utc_time}")
+
+        st.subheader("زمان باز شدن بازارهای جهانی ارز دیجیتال")
+        data = {
+            "کشور": ["ژاپن", "اروپا", "آمریکا"],
+            "زمان باز شدن": [japan_open, europe_open, us_open]
+        }
+        df = pd.DataFrame(data)
+        st.table(df)
+
+        st.subheader("بهترین زمان معامله در ایران")
+        st.write("بهترین زمان برای معامله در ایران زمانی است که بازارهای جهانی ارز دیجیتال فعال هستند، به ویژه در ساعت های همپوشانی بازارهای اروپا و آمریکا.")
+
+def generate_learning_tips(language):
+    tips = [
+        {"en": "Diversify your portfolio to manage risk effectively.", "fa": "سبد سرمایه‌گذاری خود را متنوع کنید تا ریسک را به طور مؤثری مدیریت کنید."},
+        {"en": "Use technical analysis to identify market trends.", "fa": "از تحلیل تکنیکال برای شناسایی روندهای بازار استفاده کنید."},
+        {"en": "Stay updated with the latest news in the crypto world.", "fa": "با آخرین اخبار دنیای ارز دیجیتال به‌روز باشید."},
+        {"en": "Understand the fundamentals of the cryptocurrencies you invest in.", "fa": "اصول اولیه ارزهای دیجیتالی که در آن‌ها سرمایه‌گذاری می‌کنید را درک کنید."},
+        {"en": "Use stop-loss orders to protect your investments.", "fa": "از دستورات توقف ضرر برای محافظت از سرمایه‌گذاری‌های خود استفاده کنید."},
+        {"en": "Regularly review your investment strategy and adjust as needed.", "fa": "استراتژی سرمایه‌گذاری خود را به طور منظم بازبینی کنید و در صورت نیاز آن را تنظیم کنید."},
+        {"en": "Don't invest more than you can afford to lose.", "fa": "بیش از آنچه که می‌توانید از دست بدهید سرمایه‌گذاری نکنید."}
+    ]
+
+    if language == "English":
+        st.subheader("Learning Tips")
+        for tip in tips:
+            st.write(f"- {tip['en']}")
+    else:
+        st.subheader("نکات آموزشی")
+        for tip in tips:
+            st.write(f"- {tip['fa']}")
+
+def main():
+    st.title("Crypto Trading Dashboard")
+    #زبان ها 
+    language = st.sidebar.selectbox("Select Language / زبان را انتخاب کنید", ("English", "فارسی"))
+    #منو کار 
+    menu = ["Home", "Login", "SignUp", "Admin", "Time", "Charts", "Market Data", "News"]
+    choice = st.sidebar.selectbox("Menu", menu)
+
+    if choice == "Home":
+        if language == "English":
+            st.subheader("Welcome to the Crypto Trading Dashboard")
+            st.write("""
+                This dashboard provides you with tools and insights to trade cryptocurrencies effectively.
+                You can track prices, perform technical analysis, get buy/sell signals, predict prices, and stay updated with the latest news.
+                Use the sidebar to navigate through different sections.
+            """)
+            st.write("Website: [Taha Tehrani Nasab](https://ththt.ir)")
+            st.write("© 2024 FTN. All rights reserved.")
+        else:
+            st.subheader("به داشبورد معاملات ارز دیجیتال خوش آمدید")
+            st.write("""
+                این داشبورد ابزارها و بینش‌هایی را برای تجارت ارزهای دیجیتال به شما ارائه می‌دهد.
+                می‌توانید قیمت‌ها را پیگیری کنید، تحلیل تکنیکال انجام دهید، سیگنال‌های خرید/فروش دریافت کنید، قیمت‌ها را پیش‌بینی کنید و با آخرین اخبار به‌روز باشید.
+                از نوار کناری برای پیمایش در بخش‌های مختلف استفاده کنید.
+            """)
+            st.write("وبسایت: [Taha Tehrani nasab](https://ththt.ir)")
+            st.write("© 2024 Taha Tehrani Nasab. تمامی حقوق محفوظ است.")
+
+    elif choice == "Login":
+        if language == "English":
+            st.subheader("Login Section")
+        else:
+            st.subheader("بخش ورود")
+
+        username = st.sidebar.text_input("Username / نام کاربری")
+        password = st.sidebar.text_input("Password / رمز عبور", type='password')
+        
+        if st.sidebar.checkbox("Login"):
+            if login(username, password):
+                st.success("Logged in as {}".format(username))
+                
+                if language == "English":
+                    st.subheader("Select Cryptocurrency")
+                else:
+                    st.subheader("انتخاب ارز دیجیتال")
+                    
+                crypto_symbol = st.selectbox("Cryptocurrency Symbol", ["BTC", "ETH", "LTC", "BCH"])
+
+                end_date = dt.datetime.now()
+                start_date = end_date - dt.timedelta(days=365)
+
+                data = yf.download(crypto_symbol + "-USD", start=start_date, end=end_date)
+                
+                if language == "English":
+                    st.subheader(f"Price Data for {crypto_symbol}")
+                else:
+                    st.subheader(f"داده‌های قیمت برای {crypto_symbol}")
+                    
+                st.write(data.tail())
+
+                if language == "English":
+                    st.subheader(f"Technical Analysis for {crypto_symbol}")
+                else:
+                    st.subheader(f"تحلیل تکنیکال برای {crypto_symbol}")
+                    
+                data = analyze_indicators(data)
+                st.write(data[['RSI', 'Stochastic', 'MACD', 'SMA', 'EMA']].tail())
+
+                if language == "English":
+                    st.subheader("Buy/Sell Signals")
+                else:
+                    st.subheader("سیگنال‌های خرید/فروش")
+                    
+                buy_signal, sell_signal = generate_signals(data)
+                if buy_signal:
+                    st.success(f"Buy Signal: {buy_signal}")
+                if sell_signal:
+                    st.error(f"Sell Signal: {sell_signal}")
+
+                if language == "English":
+                    st.subheader("Price Prediction")
+                else:
+                    st.subheader("پیش‌بینی قیمت")
+                    
+                model = train_price_prediction_model(data)
+                predicted_price = predict_crypto_price(data, model)
+                
+                if language == "English":
+                    st.write(f"The predicted price for the next trading day is: ${predicted_price:.2f}")
+                else:
+                    st.write(f"قیمت پیش‌بینی شده برای روز معاملاتی بعدی: ${predicted_price:.2f}")
+
+                if language == "English":
+                    st.subheader("Fear and Greed Index")
+                else:
+                    st.subheader("شاخص ترس و طمع")
+                    
+                fear_and_greed_index = get_fear_and_greed_index()
+                if fear_and_greed_index:
+                    st.write(f"The current Fear and Greed Index is: {fear_and_greed_index}")
+                else:
+                    if language == "English":
+                        st.write("Could not retrieve the Fear and Greed Index.")
+                    else:
+                        st.write("امکان دریافت شاخص ترس و طمع وجود ندارد.")
+            else:
+                if language == "English":
+                    st.warning("Incorrect Username/Password")
+                else:
+                    st.warning("نام کاربری/رمز عبور اشتباه است")
+
+    elif choice == "SignUp":
+        if language == "English":
+            st.subheader("Create a New Account")
+        else:
+            st.subheader("ایجاد حساب جدید")
+            
+        new_user = st.text_input("Username / نام کاربری")
+        new_password = st.text_input("Password / رمز عبور", type='password')
+        if st.button("Sign Up"):
+            if signup(new_user, new_password):
+                if language == "English":
+                    st.success("Account created successfully. You can now log in.")
+                else:
+                    st.success("حساب با موفقیت ایجاد شد. اکنون می‌توانید وارد شوید.")
+            else:
+                if language == "English":
+                    st.warning("Username already exists. Please choose another.")
+                else:
+                    st.warning("نام کاربری از قبل وجود دارد. لطفاً نام دیگری انتخاب کنید.")
+
+    elif choice == "Admin":
+        if language == "English":
+            st.subheader("Admin Section")
+        else:
+            st.subheader("بخش مدیریت")
+
+        username = st.sidebar.text_input("Admin Username / نام کاربری مدیر")
+        password = st.sidebar.text_input("Admin Password / رمز عبور مدیر", type='password')
+        if st.sidebar.checkbox("Login"):
+            if admin_login(username, password):
+                if language == "English":
+                    st.success("Admin login successful")
+                    st.subheader("Set API Keys")
+                else:
+                    st.success("ورود مدیر موفقیت‌آمیز بود")
+                    st.subheader("تنظیم کلیدهای API")
+                    
+                newsapi_key = st.text_input("NewsAPI Key")
+                coinmarketcap_key = st.text_input("CoinMarketCap Key")
+                if st.button("Save API Keys"):
+                    save_api_keys(newsapi_key, coinmarketcap_key)
+                    if language == "English":
+                        st.success("API keys saved successfully")
+                    else:
+                        st.success("کلیدهای API با موفقیت ذخیره شد")
+            else:
+                if language == "English":
+                    st.warning("Incorrect Admin Username/Password")
+                else:
+                    st.warning("نام کاربری/رمز عبور مدیر اشتباه است")
+
+    elif choice == "Time":
+        display_time_information(language)
+        generate_learning_tips(language)
+
+    elif choice == "Charts":
+        if language == "English":
+            st.subheader("Cryptocurrency Charts")
+        else:
+            st.subheader("نمودارهای ارز دیجیتال")
+
+        crypto_symbol = st.selectbox("Cryptocurrency Symbol", ["BTC", "ETH", "LTC", "BCH", "TON","NOT"])
+        end_date = dt.datetime.now()
+        start_date = end_date - dt.timedelta(days=365)
+        data = yf.download(crypto_symbol + "-USD", start=start_date, end=end_date)
+
+        if language == "English":
+            st.subheader(f"{crypto_symbol} TradingView-like Chart")
+        else:
+            st.subheader(f"نمودار شبیه TradingView برای {crypto_symbol}")
+        
+        fig1 = go.Figure(data=[go.Candlestick(x=data.index,
+                                             open=data['Open'],
+                                             high=data['High'],
+                                             low=data['Low'],
+                                             close=data['Close'])])
+        st.plotly_chart(fig1)
+
+    
+    elif choice == "Market Data":
+        if language == "English":
+            st.subheader("Cryptocurrency Market Data")
+        else:
+            st.subheader("داده‌های بازار ارز دیجیتال")
+
+        crypto_symbol = st.selectbox("Cryptocurrency Symbol", ["BTC", "ETH", "LTC", "BCH","TON","NOT"])
+        api_keys = load_api_keys()
+        if 'coinmarketcap_key' in api_keys and api_keys['coinmarketcap_key']:
+            market_data = get_crypto_data_from_coinmarketcap(api_keys['coinmarketcap_key'], crypto_symbol)
+            if language == "English":
+                st.write(f"Price: ${market_data['price']:.2f}")
+                st.write(f"Market Cap: ${market_data['market_cap']:.2f}")
+                st.write(f"24h Volume: ${market_data['volume_24h']:.2f}")
+                st.write(f"Change (24h): {market_data['percent_change_24h']:.2f}%")
+            else:
+                st.write(f"قیمت: ${market_data['price']:.2f}")
+                st.write(f"ارزش بازار: ${market_data['market_cap']:.2f}")
+                st.write(f"حجم معاملات 24 ساعته: ${market_data['volume_24h']:.2f}")
+                st.write(f"تغییرات (24 ساعت): {market_data['percent_change_24h']:.2f}%")
+        else:
+            if language == "English":
+                st.warning("API key for CoinMarketCap is not set. Please contact the admin.")
+            else:
+                st.warning("کلید API برای CoinMarketCap تنظیم نشده است. لطفاً با مدیر تماس بگیرید.")
+
+    elif choice == "News":
+        if language == "English":
+            st.subheader("Cryptocurrency News")
+        else:
+            st.subheader("اخبار ارز دیجیتال")
+
+        crypto_symbol = st.selectbox("Cryptocurrency Symbol", ["BTC", "ETH", "LTC", "BCH"])
+        api_keys = load_api_keys()
+        if 'newsapi_key' in api_keys and api_keys['newsapi_key']:
+            news = get_crypto_news(api_keys['newsapi_key'], crypto_symbol)
+            news = analyze_news_sentiment(news)
+            
+            # Sorting and categorizing news
+            sort_by = st.radio("Sort News By", ("publishedAt", "relevancy", "popularity"), index=0)
+            news = sorted(news, key=lambda x: x[sort_by])
+
+            if language == "English":
+                st.subheader(f"News for {crypto_symbol}")
+            else:
+                st.subheader(f"اخبار برای {crypto_symbol}")
+            # Paginate news
+            page = st.slider("Select page", min_value=1, max_value=(len(news) // 5) + 1)
+            news_to_display = news[(page - 1) * 5: page * 5]
+
+            for article in news_to_display:
+                st.write(f"Title: {article['title']}")
+                st.write(f"Description: {article['description']}")
+                st.write(f"Sentiment: {article['sentiment']}")
+                st.write(f"Published At: {article['publishedAt']}")
+                st.write(f"Read more: [Link]({article['url']})")
+        else:
+            if language == "English":
+                st.warning("API key for NewsAPI is not set. Please contact the admin.")
+            else:
+                st.warning("کلید API برای NewsAPI تنظیم نشده است. لطفاً با مدیر تماس بگیرید.")
+if __name__ == '__main__':
+    main()

requirements (1).txt

@@ -0,0 +1,10 @@
+streamlit
+yfinance
+plotly
+pandas
+pandas_ta
+pytz
+numpy
+requests
+scikit-learn
+vaderSentiment

users.json

@@ -0,0 +1,3 @@
+{
+    "users": []
+}