Upload 3 files

Dockerfile.txt

@@ -0,0 +1,16 @@
+# Gunakan image Python versi slim sebagai dasar
+FROM python:3.9-slim
+
+# Set direktori kerja di dalam container
+WORKDIR /code
+
+# Salin file requirements dulu dan install dependensi
+COPY ./requirements.txt /code/requirements.txt
+RUN pip install --no-cache-dir --upgrade -r /code/requirements.txt
+
+# Salin semua sisa file proyek ke dalam container
+COPY . /code
+
+# Perintah untuk menjalankan aplikasi saat container dimulai
+# Hugging Face menggunakan port 7860 secara default
+CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "7860"]

app.py

@@ -0,0 +1,129 @@
+# File: main.py
+
+# 1. IMPORT LIBRARY
+from fastapi import FastAPI
+from pydantic import BaseModel
+from typing import List
+from datetime import datetime
+import yfinance as yf
+import pandas as pd
+import numpy as np
+from prophet import Prophet
+from fastapi.middleware.cors import CORSMiddleware
+
+# 2. INISIALISASI APLIKASI FASTAPI
+app = FastAPI(
+    title="Stock Risk & Forecast API",
+    description="API untuk analisis risiko portfolio dan peramalan harga saham."
+)
+
+# --- REVISI 1: Tambahkan Middleware CORS ---
+origins = [
+    "http://localhost:8080",
+    "http://127.0.0.1:8080",
+    # PASTE URL FORWARDED DARI FRONTEND ANDA DI SINI
+    "https://psychic-goldfish-jvvvxjrwgp9hg56-8080.app.github.dev", 
+]
+
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=origins,
+    allow_credentials=True,
+    allow_methods=["*"], # Izinkan semua method (GET, POST, dll)
+    allow_headers=["*"], # Izinkan semua header
+)
+# --- AKHIR REVISI 1 ---
+
+# 3. KUMPULKAN FUNGSI INTI (Versi Terbaru yang Sudah Diperbaiki)
+def get_stock_data(tickers: List[str], start_date: str, end_date: str):
+    try:
+        # Langsung ambil data 'Close'. yfinance akan mengembalikan DataFrame
+        # baik untuk satu maupun banyak ticker.
+        stock_data = yf.download(tickers, start=start_date, end=end_date)['Close']
+
+        # Blok 'if len(tickers) == 1:' yang lama sudah tidak diperlukan dan dihapus.
+        # Jika yfinance hanya mengembalikan satu Series (kasus langka),
+        # baris berikutnya akan mengubahnya jadi DataFrame secara otomatis.
+        if isinstance(stock_data, pd.Series):
+             stock_data = stock_data.to_frame(name=tickers[0])
+
+        return stock_data.dropna()
+    except Exception as e:
+        print(f"!!! TERJADI ERROR DI get_stock_data: {e}, Tickers: {tickers}")
+        return None
+
+def calculate_risk_metrics(price_data: pd.DataFrame):
+    """Menghitung metrik risiko untuk portfolio dengan ASUMSI BOBOT SAMA."""
+    daily_returns = price_data.pct_change().dropna()
+    num_assets = len(price_data.columns)
+    weights = np.array([1/num_assets] * num_assets)
+    portfolio_returns = daily_returns.dot(weights)
+    
+    expected_return = portfolio_returns.mean() * 252
+    volatility = portfolio_returns.std() * np.sqrt(252)
+    sharpe_ratio = expected_return / volatility if volatility != 0 else 0
+    
+    return {
+        "expected_annual_return": expected_return,
+        "annual_volatility": volatility,
+        "sharpe_ratio": sharpe_ratio
+    }
+
+def get_forecast(ticker: str, price_data: pd.DataFrame, forecast_horizon: int):
+    """Membuat prediksi dan mengembalikan DataFrame forecast DAN modelnya."""
+    df_prophet = price_data[[ticker]].reset_index()
+    df_prophet.columns = ['ds', 'y']
+    
+    model = Prophet(daily_seasonality=False, weekly_seasonality=True, yearly_seasonality=True)
+    model.fit(df_prophet)
+    
+    future = model.make_future_dataframe(periods=forecast_horizon)
+    forecast = model.predict(future)
+    
+    # Mengubah format tanggal agar bisa dikirim sebagai JSON
+    forecast['ds'] = forecast['ds'].dt.strftime('%Y-%m-%d')
+    
+    # Mengembalikan DUA nilai, sesuai revisi Anda
+    return forecast, model
+
+# 4. DEFINISIKAN MODEL REQUEST (INPUT DARI USER) - Tidak ada perubahan
+class RiskRequest(BaseModel):
+    tickers: List[str] = ['BBCA.JK', 'TLKM.JK']
+    start_date: str = '2020-01-01'
+    end_date: str = datetime.now().strftime('%Y-%m-%d')
+
+class ForecastRequest(BaseModel):
+    ticker: str = 'BBCA.JK'
+    start_date: str = '2020-01-01'
+    end_date: str = datetime.now().strftime('%Y-%m-%d')
+    forecast_horizon: int = 30
+
+
+
+# 5. BUAT ENDPOINT API (Dengan Penyesuaian)
+@app.post("/calculate-risk")
+def calculate_risk_endpoint(request: RiskRequest):
+    price_data = get_stock_data(request.tickers, request.start_date, request.end_date)
+    if price_data is None or price_data.empty:
+        return {"error": "Tidak dapat mengambil data saham. Periksa kembali ticker."}
+    
+    risk_metrics = calculate_risk_metrics(price_data)
+    return risk_metrics
+
+@app.post("/get-forecast")
+def get_forecast_endpoint(request: ForecastRequest):
+    price_data = get_stock_data([request.ticker], request.start_date, request.end_date)
+    if price_data is None or price_data.empty:
+        return {"error": "Tidak dapat mengambil data saham. Periksa kembali ticker."}
+
+    # --- INI BAGIAN YANG BERUBAH ---
+    # Kita panggil fungsi yang mengembalikan 2 nilai
+    # Tapi kita hanya butuh yang pertama (forecast_data) untuk dikirim ke frontend
+    # _ (underscore) adalah konvensi di Python untuk variabel yang nilainya kita abaikan
+    forecast_data, _ = get_forecast(request.ticker, price_data, request.forecast_horizon)
+    
+    # Kita hanya mengirim data forecast yang sudah bersih
+    final_forecast_data = forecast_data[['ds', 'yhat', 'yhat_lower', 'yhat_upper']]
+    
+    # Konversi DataFrame ke format JSON yang bisa dikirim
+    return final_forecast_data.to_dict('records')

requirements.txt

@@ -0,0 +1,6 @@
+fastapi
+uvicorn[standard]
+yfinance
+prophet
+pandas
+numpy