import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import portfolioopt as pfopt
tickers = [f for f in os.listdir(r'C:\Users\Badaboom\Desktop\LABA\Data') if os.path.isfile(os.path.join(r'C:\Users\Badaboom\Desktop\LABA\Data', f))]
#запись названий файлов в список tickers (название файла: тикер.csv) Получили: tickers = ['ADBE.csv','AA.csv',...]
table = list() #table - список из таблиц компаний
for i in tickers:
    table.append(pd.read_csv(r'C:\Users\Badaboom\Desktop\LABA\Data\{}'.format(i), delimiter = ','))
#каждый i элемент списка table содержит таблицу котировок i-ого тикера из списка tickers

for i in range(len(tickers)): #названия файлов без .csv - котировки
    tickers[i] = tickers[i][0:-4] #Получили: tickers = ['ADBE','AA',...]

for i in table: #преобразование стринг даты в dateformat для всех таблиц с данными
    i['Date'] = i['Date'].astype('datetime64[ns]')
#############################################################################################################################################
Adj_close = pd.DataFrame(columns = ['Date'] + tickers) #таблица цен акций за весь период для каждой компании
Adj_close['Date']=table[0]['Date'] #заполнили столбец Date в Adj_close датой
for i in range(len(table)):
    Adj_close[tickers[i]] = table[i]['Adj Close'] #заполнили таблицу Adj_close значениями цен акций  по компаниям

log_doxod = pd.DataFrame(columns = ['Date'] + tickers) #таблица дневных лог.доходностей за весь период по компаниям
log_doxod['Date']=table[0]['Date']
for i in range(len(table)):
    log_doxod[tickers[i]] = np.log((table[i]['Adj Close']) / (table[i]['Adj Close']).shift(1))
log_doxod = log_doxod[1:] #убрали пустое значение доходности, которое появилось при подсчете лог. доходности для первого дня периода
avg_ret = list() #список из средних доходностей за каждый год (2003 - 2017) - 15 лет
cov_matrix = list() #список из ковариационных матриц доходностей за каждый год (15 штук)
returns = list() #список из 15 таблиц лог.доходности для каждого года по компаниям
for i in range(2003,2018):
    mask = log_doxod['Date'].dt.year == pd.to_datetime('{}'.format(i)).year #маска для каждого года
    CV = log_doxod.loc[mask].cov() #ковар. матрица для каждого года
    cov_matrix.append(CV)
    RET = log_doxod.loc[mask].mean() #ср. значение лог доходности по годам
    avg_ret.append(RET)
    r = log_doxod.loc[mask][tickers]
    returns.append(r)
def print_portfolio_info(returns, avg_rets, weights): #weights - доли акций в портфеле
    ret = (weights * avg_rets).sum()
    std = (weights * returns).sum(1).std() #std - отклонение
    sharpe = ret / std
    print("Доли портфеля:\n{}\n".format(weights))
    print("Ожидаемая доходность:   {}".format(ret))
    print("Ожидаемый риск: {}".format(std))
    print("Коэффициент Шарпа:   {}".format(sharpe))

for i in range(15):
    weights = pfopt.min_var_portfolio(cov_matrix[i], allow_short=True) #на семинаре было allow_short=False, поэтому не оказалось отриц. долей
    print('Портфель минимального риска за ',i+2003,' год')
    print_portfolio_info(returns[i],avg_ret[i],weights)
    print('\n\n')

final = pd.DataFrame(index = range(2004,2019)) #таблица Год - доходность прошлогоднего портфеля
mem = list()
for i in range(15):
    weights = pfopt.min_var_portfolio(cov_matrix[i])
    ret = (weights * avg_ret[i]).sum()
    mem.append(ret)
final['Доходность прошлогоднего портфеля'] = mem

plt.figure(figsize=(10,10))
plt.ylabel('Доходность прошлогоднего портфеля')
plt.xlabel('Год')
plt.plot(final)
plt.show()