src/app.py

import streamlit as st
import pandas as pd
import plotly.express as px
from model import get_model
from utils import get_bitcoin_history_yf, process_dataframe, predict_timesfm


st.title("Foundational Models para Series de Tiempo: Aplicación Bitcoin", anchor=None, help=None)
st.header("Creado por: Sebastian Sarasti", divider="gray")
st.markdown("More about me: [LinkedIn](https://www.linkedin.com/in/sebastiansarasti/)")
st.markdown("**Conferencia:** Universidad de Palermo")

st.markdown("Esta aplicación permite explorar modelos de series de tiempo utilizando modelos fundacionales basados en Transformers. El modelo fundacional seleccionado es TimesFM, fue desarrollado por Google. Este modelo busca predecir los precios futuros de Bitcoin.")

st.markdown("**¿Cómo funciona?**")

st.markdown("1. **Selecciona las fechas**: Elige el rango de fechas para el cual deseas entrenar el modelo, mientras más mejor.")
st.markdown("2. **Selecciona la ventana de forecast**: Permite configurar el modelo para predecir el horizonte de tiempo deseado.")
st.markdown("3. **Ejecuta el modelo**: Haz clic en el botón para ejecutar el modelo y obtener las predicciones.")

# create two columns for start date and end date
col1, col2 = st.columns(2)
with col1:
    start_date = st.date_input("Fecha de Inicio", value="2025-01-31")

with col2:
    end_date = st.date_input("Fecha de Fin", value="2025-06-10")

# create a slider for forecast horizon
forecast_horizon = st.slider(
    "Ventana de Forecast",
    min_value=1,
    max_value=365,
    value=st.session_state.get("forecast_horizon", 30),
    help="Selecciona el horizonte de tiempo para las predicciones (en días)."
)

# create a button to run the model
value = st.button("Ejecutar Modelo")

# ... después del botón "Ejecutar Modelo"
if value:
    assert start_date < end_date, "La fecha de inicio debe ser anterior a la fecha de fin."
    assert forecast_horizon > 0, "La ventana de forecast debe ser mayor a 0."

    with st.spinner("Descargando datos ..."):
        df = get_bitcoin_history_yf(start_date, end_date)
        df = process_dataframe(df)
        st.session_state["df"] = df

    with st.spinner("Ejecutando modelo ..."):
        model = get_model(forecast_horizon)
        forecast_df = predict_timesfm(df=df, model=model)
        forecast_df["type"] = "Forecast"
        st.session_state["forecast_df"] = forecast_df

# nuevo botón separado
if "forecast_df" in st.session_state and st.button("Graficar Predicciones"):
    df = st.session_state["df"]
    forecast_df = st.session_state["forecast_df"]
    df["type"] = "Historia"
    df_final = pd.concat([df, forecast_df], ignore_index=True)
    fig = px.line(
        df_final,
        x="ds",
        y="y",
        color="type",
        title="Predicciones de Bitcoin con TimesFM",
        labels={"ds": "Fecha", "y": "Precio (USD)", "type": "Tipo"},
    )
    st.plotly_chart(fig)