Create app.py

app.py

@@ -0,0 +1,585 @@
+# @title Texto de título predeterminado
+# Instala la librería gdown para descargar archivos de Google Drive
+# Esto solo necesita ejecutarse una vez al inicio.
+# Se incluye aquí para que el código sea autocontenido.
+import plotly.graph_objects as go
+import gradio as gr
+import pandas as pd
+import yfinance as yf
+import matplotlib.pyplot as plt
+from datetime import datetime, timedelta
+import os
+from IPython.display import HTML
+import numpy as np
+import requests
+from bs4 import BeautifulSoup
+import re
+from openpyxl.utils import get_column_letter
+import shutil
+import gdown
+from processes import all_historical_data
+from processes import data_option
+
+# Diccionarios de datos y funciones auxiliares
+tickers_to_ids = {
+  "MSTR": 1, "MARA": 4, "CEP": 436, "BSTR": 674, "RIOT": 7, "DJT": 671, "3350.T": 176, "GLXY": 10, "CLSK": 28, "TSLA": 2,
+  "HUT": 6, "COIN": 8, "XYZ": 5, "NXTT": 473, "CCCM": 595, "SMLR": 194, "GME": 517, "CANG": 337, "ADE.DE": 11, "0434.HK": 238,
+  "HOLO": 508, "SQNS": 644, "HIVE": 9, "EXOD": 168, "ALTBG.PA": 295, "3659.T": 14, "FUFU": 325, "BTDR": 324, "SWC.AQ": 440, "FLD": 256,
+  "CAN": 111, "BITF": 12, "CIFR": 82, "3825.T": 301, "KULR": 341, "NA": 331, "CORZ": 3, "MSW": 356, "SOS": 426, "BTCT.V": 608,
+  "AKER.OL": 15, "GS9": 491, "CASH3.SA": 395, "MELI": 182, "SRAG.DU": 279, "JAS.BK": 307, "DCC.AX": 24, "ARLP": 425, "377030.KQ": 401, "BTBT": 18,
+  "NDA.V": 32, "DDC": 500, "NTHOL.IS": 40, "DMGI.V": 23, "NCTY": 442, "VLCN": 679, "PNIX.AQ": 582, "ABT.DU": 21, "LQWD.V": 29, "CS.ST": 288,
+  "VIRT": 472, "112040.KQ": 403, "RUM": 402, "DEFI.NE": 254, "GNS": 294, "PRE": 573, "3189.T": 445, "BTCB.SE": 636, "LMFA": 91, "BMNR": 550,
+  "SIX.CN": 597, "BNXAF": 30, "PHX.AD": 449, "HKHC": 480, "042420.KQ": 406, "BTC.BK": 31, "K33.ST": 538, "COIN.AQ": 483, "BIGG.V": 17, "BTM": 372,
+  "KWM": 643, "BTC.L": 292, "8005.HK": 342, "MATA.V": 357, "VANA.MC": 535, "V3TC.AQ": 586, "SBC": 380, "FRMO": 35, "ATAI": 479, "CBIT.V": 27,
+  "MLGO": 511, "MOGO": 36, "8267.HK": 239, "WNDR.TO": 242, "SATO.V": 240, "9238.T": 434, "1723.HK": 384, "PXI.CN": 634, "SATS.L": 666, "ALBDM.PA": 580,
+  "IREN": 12, "WULF": 15, "GREE": 21, "EBON": 14, "DGHI": 25, "SDIG": 17, "MIGI": 16, "SLNH": 24, "ANY": 23, "APLD": 20,
+  "BTCS": 19, "RVYL": 30, "ICG": 29, "HOOD": 35, "PYPL": 2, "NVDA": 22, "CME": 26, "DEFI": 31, "IBIT": 119, "BTF": 33,
+  "SQ": 34, "BKKT": 37, "BTCM": 38, "MA": 39, "IBM": 40, "GBTC": 50, "BITO": 41, "BITB": 117, "BTC-USD": 0, "MTPLF": 176
+}
+
+# Diccionario global para almacenar los datos históricos
+
+
+def evolucion_correlacion(ticker_company, step, ticker_btc="BTC-USD", window_months=12):
+    """
+    Calcula la evolución de la correlación entre el precio de las acciones de una empresa y Bitcoin.
+    Args:
+        ticker_company (str): El símbolo de cotización de la empresa.
+        step (int): El número de días para el desplazamiento de la correlación.
+        ticker_btc (str): El símbolo de cotización de Bitcoin (por defecto: "BTC-USD").
+        window_months (int): El tamaño de la ventana móvil en meses.
+    outputs:
+        pandas.Series: Una serie con la evolución de la correlación, o None si faltan datos.
+    """
+    end_date = datetime.now()
+    start_date = end_date - timedelta(days=10*365)
+
+    if ticker_company not in all_historical_data:
+        print(f"Descargando datos para {ticker_company}...")
+        data = yf.download(ticker_company, start=start_date, end=end_date)
+        if not data.empty:
+            all_historical_data[ticker_company] = data
+            print(f"Datos de {ticker_company} descargados con éxito.")
+        else:
+            print(f"Error al descargar datos para {ticker_company}.")
+            return None
+
+    if ticker_btc not in all_historical_data:
+        print(f"Descargando datos para {ticker_btc}...")
+        data = yf.download(ticker_btc, start=start_date, end=end_date)
+        if not data.empty:
+            all_historical_data[ticker_btc] = data
+            print(f"Datos de {ticker_btc} descargados con éxito.")
+        else:
+            print(f"Error al descargar datos para {ticker_btc}.")
+            return None
+
+    company_data = all_historical_data.get(ticker_company)
+    btc_data = all_historical_data.get(ticker_btc)
+
+    if company_data.empty or btc_data.empty:
+        print(f"No podemos calcular la correlación dinámica: No hay datos disponibles para {ticker_company} o {ticker_btc}.")
+        return None
+
+    company_prices = company_data['Close']
+    btc_prices = btc_data['Close']
+
+    combined_prices = pd.concat([company_prices, btc_prices], axis=1).dropna()
+    combined_prices.columns = [ticker_company, ticker_btc]
+
+    if combined_prices.empty:
+        print(f"No hay datos históricos en común entre {ticker_company} y {ticker_btc}.")
+        return None
+
+    company_returns = combined_prices[ticker_company].pct_change().dropna()
+    btc_returns = combined_prices[ticker_btc].pct_change().dropna()
+
+    window_days = window_months * 30
+    if step == 0:
+        dynamic_corr = company_returns.rolling(window=f"{window_days}D").corr(btc_returns).iloc[-1]
+        return pd.Series([dynamic_corr], index=[end_date])
+    else:
+        dynamic_corr = company_returns.rolling(window=f"{window_days}D").corr(btc_returns).dropna()
+        return dynamic_corr.iloc[9::step]
+
+
+def limpiar_texto(texto):
+    """Elimina caracteres especiales y espacios extra."""
+    texto_limpio_parcial = re.sub(r'[^a-zA-Z0-9.,\s]', '', texto)
+    texto_final = texto_limpio_parcial.strip()
+    return texto_final
+
+def expand_money(val):
+    """Convierte strings de dinero (ej. '$1.2B') a valores flotantes."""
+    if pd.isna(val):
+        return np.nan
+    val = str(val).replace('$', '').replace(',','').upper()
+    try:
+        if 'B' in val:
+            return float(val.replace('B', '')) * 1_000_000_000
+        elif 'M' in val:
+            return float(val.replace('M', '')) * 1_000_000
+        elif 'K' in val:
+            return float(val.replace('K', '')) * 1_000
+        else:
+            return float(val)
+    except:
+        return np.nan
+
+def descargar_tabla_web(url, indice_tabla=0):
+    """Descarga una tabla de una URL."""
+    try:
+        # Añadir headers con un User-Agent
+        headers = {
+            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
+        }
+        
+        response = requests.get(url, headers=headers)
+        response.raise_for_status()
+        
+        soup = BeautifulSoup(response.text, 'html.parser')
+        tables = soup.find_all('table')
+
+        if len(tables) > indice_tabla:
+            table = tables[indice_tabla]
+        else:
+            print(f"No se encontró la tabla con índice {indice_tabla} en la página: {url}.")
+            return None
+
+        headers = [th.text.strip() for th in table.find_all('th')]
+        data = []
+        for row in table.find_all('tr'):
+            cols = row.find_all('td')
+            cols = [ele.text.strip() for ele in cols]
+            if cols:
+                data.append(cols)
+
+        if headers and data and len(headers) == len(data[0]):
+            df = pd.DataFrame(data, columns=headers)
+        else:
+            df = pd.DataFrame(data)
+        return df
+
+    except requests.exceptions.RequestException as e:
+        print(f"Error al acceder a la URL: {e}")
+        return None
+    except Exception as e:
+        print(f"Ocurrió un error inesperado: {e}")
+        return None
+def generar_tickers():
+    """
+    Genera una lista global de tickers a partir de las tablas de stocks y ETFs.
+    """
+    global tickers
+    tickers = []
+
+    # URLs de donde obtener los datos
+    url_stocks = "https://bitcointreasuries.net/"
+    url_etfs = "https://bitcointreasuries.net/etfs-and-exchanges"
+
+    # Descargar tablas web (se asume que estas funciones existen)
+    df_stocks = descargar_tabla_web(url_stocks, indice_tabla=3)
+    df_etfs = descargar_tabla_web(url_etfs, indice_tabla=3)
+
+    # Procesar Stocks si existen
+    if df_stocks is not None and not df_stocks.empty:
+        # Asumiendo que limpiar_texto ya está definida
+        df_stocks[['Name', 'Ticker']] = df_stocks[2].apply(limpiar_texto).str.rsplit(' ', n=1, expand=True)
+        tickers.extend(df_stocks['Ticker'].dropna().tolist())
+
+    # Procesar ETFs si existen
+    if df_etfs is not None and not df_etfs.empty:
+        df_etfs[['Name', 'Ticker']] = df_etfs[2].apply(limpiar_texto).str.rsplit(' ', n=1, expand=True)
+        df_etfs['Ticker'].fillna(df_etfs['Name'], inplace=True)
+        tickers.extend(df_etfs['Ticker'].dropna().tolist())
+
+generar_tickers()
+
+def extract_file_id(url):
+    """Extrae el ID del archivo de una URL de Google Drive."""
+    match = re.search(r'/d/([a-zA-Z0-9_-]+)', url)
+    if match:
+        return match.group(1)
+    return None
+
+def descargar_resumen_holding_excel(template_url):
+    """
+    Descarga los datos de holding de BTC para stocks y ETFs,
+    los procesa, calcula correlaciones y exporta a un archivo Excel
+    usando una plantilla de Google Drive.
+    """
+    try:
+        # Extraer el ID del archivo de la URL
+        file_id = extract_file_id(template_url)
+        if not file_id:
+            return None, "Error: No se pudo extraer el ID del archivo de la URL de Google Drive."
+
+        local_template_path = 'plantilla_temporal.xlsx'
+
+        # Descargar la plantilla de Google Drive
+        try:
+            gdown.download(id=file_id, output=local_template_path, quiet=False)
+        except Exception as e:
+            return None, f"Error al descargar la plantilla desde Google Drive: {e}"
+
+        url_stocks = "https://bitcointreasuries.net/"
+        url_ETFs = "https://bitcointreasuries.net/etfs-and-exchanges"
+
+        df_stocks = descargar_tabla_web(url_stocks, indice_tabla=3)
+        df_etfs = descargar_tabla_web(url_ETFs, indice_tabla=3)
+
+        if df_stocks is None and df_etfs is None:
+            return None, "Error: No se pudieron descargar los datos de holding."
+
+        # Procesar Stocks
+        if df_stocks is not None:
+            df_descargado_stocks = df_stocks[[2,3,4,5,12]].copy()
+            df_descargado_stocks.columns = ['Name','Bitcoin', 'BTC in USD', 'Marketcap', '% Total BTC 21M']
+            df_descargado_stocks[['Name','Ticker']] = df_descargado_stocks['Name'].apply(limpiar_texto).str.rsplit(' ', n=1, expand=True)
+
+            df_descargado_stocks['Bitcoin'] = df_descargado_stocks['Bitcoin'].apply(limpiar_texto)
+            df_descargado_stocks['Marketcap'] = df_descargado_stocks['Marketcap'].apply(limpiar_texto)
+            df_descargado_stocks['BTC in USD'] = df_descargado_stocks['BTC in USD'].apply(expand_money)
+            df_descargado_stocks['Marketcap'] = df_descargado_stocks['Marketcap'].apply(expand_money)
+            df_descargado_stocks['Ratio Holding/Mcap'] = df_descargado_stocks['BTC in USD'] / df_descargado_stocks['Marketcap']
+
+            corrls = []
+            for stock in df_descargado_stocks['Ticker']:
+                try:
+                    corr_value = evolucion_correlacion(stock, step=0, window_months=12).iloc[0]
+                    corrls.append(corr_value)
+                except Exception as e:
+                    print(f"Error al calcular correlación para {stock}: {e}")
+                    corrls.append(np.nan)
+            df_descargado_stocks['Correlación con BTC (12 meses)'] = pd.Series(corrls)
+            df_descargado_stocks.set_index('Ticker', inplace=True)
+        else:
+            df_descargado_stocks = pd.DataFrame()
+
+
+        # Procesar ETFs
+        if df_etfs is not None:
+            df_descargado_ETFs = df_etfs[[2,3,4,5]].copy()
+            df_descargado_ETFs.columns = ['Name','Bitcoin', 'BTC in USD','% Total BTC 21M']
+            df_descargado_ETFs[['Name','Ticker']] = df_descargado_ETFs['Name'].apply(limpiar_texto).str.rsplit(' ', n=1, expand=True)
+            df_descargado_ETFs['Ticker'].fillna(df_descargado_ETFs['Name'], inplace=True)
+            df_descargado_ETFs['BTC in USD'] = df_descargado_ETFs['BTC in USD'].apply(expand_money)
+            df_descargado_ETFs['Bitcoin'] = df_descargado_ETFs['Bitcoin'].apply(limpiar_texto).apply(expand_money)
+            df_descargado_ETFs.set_index('Ticker', inplace=True)
+        else:
+            df_descargado_ETFs = pd.DataFrame()
+
+        # Añadir la columna de 'Options' como solicitaste
+        global tickers
+        tickers = []
+        if not df_descargado_stocks.empty:
+            tickers.extend(df_descargado_stocks.index.tolist())
+        if not df_descargado_ETFs.empty:
+            tickers.extend(df_descargado_ETFs.index.tolist())
+
+        options_bool = {}
+        for ticker in tickers:
+            if ticker is not None:
+                try:
+                    options_bool[ticker] = False if not yf.Ticker(ticker).options else True
+                except:
+                    options_bool[ticker] = False
+
+        options_series = pd.Series(options_bool)
+
+        if not df_descargado_stocks.empty:
+            df_descargado_stocks['Options'] = options_series
+        if not df_descargado_ETFs.empty:
+            df_descargado_ETFs['Options'] = options_series
+
+
+        # Exportación a Excel
+        if not df_descargado_stocks.empty or not df_descargado_ETFs.empty:
+            nuevo_archivo_path = 'resumen_datos_holding.xlsx'
+
+            # Copiar la plantilla descargada antes de escribir
+            try:
+                shutil.copyfile(local_template_path, nuevo_archivo_path)
+            except FileNotFoundError:
+                return None, f"Error: No se encontró la plantilla en la ruta: {local_template_path}"
+
+            # Escribir en el archivo copiado
+            with pd.ExcelWriter(nuevo_archivo_path, engine='openpyxl', mode='a', if_sheet_exists='replace') as writer:
+                if not df_descargado_stocks.empty:
+                    df_descargado_stocks.to_excel(writer, sheet_name='Stocks', index=True)
+                if not df_descargado_ETFs.empty:
+                    df_descargado_ETFs.to_excel(writer, sheet_name='ETFs', index=True)
+
+            # Eliminar la plantilla temporal descargada para limpiar el entorno
+            os.remove(local_template_path)
+
+            return nuevo_archivo_path, "Archivo Excel generado con éxito."
+        else:
+            return None, "No se pudieron generar los datos para exportar."
+
+    except Exception as e:
+        return None, f"Error al exportar: {e}"
+
+
+# Funciones para Gradio
+
+def plot_evolucion_correlacion_gradio(ticker_company, step, window_months):
+
+    """
+    Genera el gráfico de la evolución de la correlación.
+    """
+    serie = evolucion_correlacion(ticker_company, step, window_months=12)
+
+    if serie is None or serie.empty:
+        return None, f"No hay datos de correlación disponibles para {ticker_company}."
+
+    # --- Create the Plotly graph ---
+    fig = go.Figure()
+
+    # Add the correlation series
+    fig.add_trace(go.Scatter(
+        x=serie.index,
+        y=serie.values,
+        mode='lines',
+        name='Correlación',
+        line=dict(color='#2263eb', width=2), # electric blue color for the line
+        fill='tozeroy', # Fill the area down to Y=0 axis
+        fillcolor='rgba(34,99,235,0.1)', # Very faint elctric blue shadow (10% opacity)
+        hovertemplate='Fecha: %{x|%Y-%m-%d}<br>Correlación: %{y:.4f}<extra></extra>'
+    ))
+
+    # --- Configure axes and range selector ---
+    fig.update_layout(
+        title_text=f'<b>Evolución de la correlación entre {ticker_company} y BTC-USD<b>',
+        title_x=0, # Align title to the left
+        height=500, # Graph height
+        template="plotly_white", # Graph theme (clean and modern)
+        margin=dict(l=20, r=20, t=60, b=20), # Graph margins
+        showlegend=False, # No legend needed if only one main series
+
+        xaxis=go.layout.XAxis(
+            rangeslider=dict(
+                visible=True,
+                thickness=0.08, # Rangeslider thickness
+                bgcolor="rgba(50, 0, 128, 0.1)", # Very transparent purple for rangeslider
+                bordercolor="rgba(50, 0, 128, 0.2)", # Slightly more visible border
+                borderwidth=1,
+                range=[serie.index.min(), serie.index.max()] # Initial slider range
+            ),
+            rangeselector=dict(
+                buttons=list([
+                    dict(count=1, label="1m", step="month", stepmode="backward"),
+                    dict(count=3, label="3m", step="month", stepmode="backward"),
+                    dict(count=6, label="6m", step="month", stepmode="backward"),
+                    dict(step="year", count=1, label="YTD", stepmode="todate"), # YTD
+                    dict(count=1, label="1y", step="year", stepmode="backward"),
+                    dict(step="all", label="All")
+                ]),
+                bgcolor="rgba(247,247,247,255)", # Transparent background for buttons
+                bordercolor="rgba(0,0,0,0)", # Transparent border
+                borderwidth=0,
+                activecolor="rgba(230,233,255,255)", # Active button color (slightly darker purple)
+                font=dict(color="#000000", size=10), # Button font style
+                x=0.9, y=1.1, xanchor='right', yanchor='top' # Button position
+            ),
+            type="date",
+            domain=[0, 1], # Occupy full graph width
+            rangeslider_yaxis_rangemode="auto", # Rangeslider Y-axis range adjusts automatically
+            showgrid=False,
+            gridcolor='#e0e0e0',
+            zeroline=False
+        ),
+        yaxis=go.layout.YAxis(
+            title_text='Correlación',
+            side='left',
+            showgrid=True,
+            gridcolor='#e0e0e0',
+            zeroline=False,
+            tickformat=".2f", # 2 decimal places format
+            range=[-1.0, 1.0] # Fixed range for correlation
+        ),
+        hovermode="x unified", # Unify hover to show data for the series
+        paper_bgcolor='rgba(255,255,255,1)', # Transparent background for notebook integration
+        plot_bgcolor='rgba(255,255,255,1)'
+    )
+
+    # --- Add annotation for max value (similar to Matplotlib) ---
+    max_value = serie.max()
+    max_index = serie.idxmax()
+    fig.add_annotation(
+        x=max_index,
+        y=max_value,
+        text=f'Corr_max: {max_value:.4f}<br>Fecha: {max_index.date()}',
+        showarrow=True,
+        arrowhead=2,
+        ax=0,
+        ay=-40, # Adjust vertical position of the annotation
+        bgcolor="rgba(255, 255, 255, 0.8)", # Semi-transparent white background
+        bordercolor="#c7c7c7",
+        borderwidth=1,
+        borderpad=4,
+        font=dict(size=10, color="#333"),
+        # You can adjust text position with xanchor/yanchor if needed
+    )
+
+    return fig, "Gráfico de correlación generado."
+
+    """
+    if serie is None or serie.empty:
+        return plt.figure(), f"No hay datos de correlación disponibles para {ticker_company}."
+    max_value = serie.max()
+    min_value = serie.min()
+    max_index = serie.idxmax()
+    plt.figure(figsize=(10, 6))
+    plt.plot(serie)
+    plt.xlabel('Fecha')
+    plt.ylabel('Correlación')
+    plt.title(f'Evolución de la correlación entre {ticker_company} y BTC-USD')
+    plt.plot(max_index, max_value, 'ro')
+    plt.annotate(f' Corr_max: {max_value:.4f} \n Fecha: {max_index.date()}', (max_index, max_value), xytext=(max_index, max_value - (max_value - min_value) * 0.15))
+    lower_margin = min_value - 0.1 * abs(min_value)
+    upper_margin = max_value + 0.05 * abs(max_value)
+    plt.ylim(lower_margin, upper_margin)
+    plt.tight_layout()
+    return plt.gcf(), "Gráfico de correlación generado."
+    """
+
+def exportar_correlacion(ticker_company, step, window_months):
+
+    """
+    Exporta la serie de correlación a un archivo Excel.
+    """
+    try:
+        serie = evolucion_correlacion(ticker_company, step, window_months=window_months)
+        if serie is not None and not serie.empty:
+            nombre_archivo = f'{ticker_company}_evolucion_correlacion.xlsx'
+            serie.to_excel(nombre_archivo)
+            return nombre_archivo, "Archivo Excel generado con éxito."
+        else:
+            return None, "No se pudieron generar los datos para exportar."
+    except Exception as e:
+        return None, f"Error al exportar: {e}"
+
+def get_iframe_stock_vs_btc(ticker):
+    """
+    Genera el código HTML para el iframe de Stock vs Bitcoin.
+    """
+    try:
+        entity_id = tickers_to_ids[ticker]
+        iframe_code = f"""
+            <iframe src="https://bitcointreasuries.net/embed?component=StockVsBitcoinChart&entityId={entity_id}"
+            title="Bitcoin Treasuries" credentialless style="width: 100%; height: 660px; border: none;"></iframe>
+        """
+        return iframe_code
+    except KeyError:
+        return f"No hay datos de holding de Bitcoin para {ticker}."
+
+def get_iframe_holdings(ticker):
+    """
+    Genera el código HTML para el iframe de Bitcoin Holdings.
+    """
+    try:
+        entity_id = tickers_to_ids[ticker]
+        iframe_code = f"""
+            <iframe src="https://bitcointreasuries.net/embed?component=BitcoinHoldingsChart&entityId={entity_id}"
+            title="Bitcoin Holdings Chart" credentialless style="width: 100%; height: 660px; border: none;"></iframe>
+        """
+        return iframe_code
+    except KeyError:
+        return f"No hay datos de holding de Bitcoin para {ticker}."
+
+
+        
+
+### CONFIGURACION DE GRADIO:
+
+with gr.Blocks(title="Análisis de Correlación") as demo:
+    gr.Image("https://cdn.prod.website-files.com/67174dcb1d43b06a0eae317e/672bbbc7a2b88045e5661994_logo-afi.svg", show_label=False)
+    gr.Markdown("# Analizador de Correlación de Bitcoin")
+    gr.Markdown("Explora la correlación de diferentes activos con Bitcoin y sus holdings.")
+
+    with gr.Row():
+        input_ticker = gr.Dropdown(
+            label="Ticker de la Empresa",
+            choices= tickers, ### hacer que la lista sea dinamica, luego miraremos el tema de los ids
+            value="MSTR",
+            allow_custom_value=True
+        )
+
+    with gr.Tab("Evolución de Correlación"):
+        gr.Markdown("### Evolución de la correlación")
+        with gr.Row():
+          input_step = gr.Slider(minimum=1, maximum=30, value=1, step=1, label="Indica cada cuántos días se calcula la correlación")
+          input_window = gr.Slider(minimum=1, maximum=60, value=12, step=1, label="Ventana rolling (meses)")
+        btn_plot = gr.Button("Mostrar Gráfico")
+        output_plot = gr.Plot(label="Gráfico de Evolución")
+        btn_excel = gr.Button("Descargar en Excel")
+
+
+
+
+
+        output_file = gr.File(label="Archivo Excel")
+        output_msg = gr.Label()
+
+        btn_plot.click(
+            fn=plot_evolucion_correlacion_gradio,
+            inputs=[input_ticker, input_step, input_window],
+            outputs=[output_plot, output_msg]
+        )
+        btn_excel.click(
+            fn=exportar_correlacion,
+            inputs=[input_ticker, input_step, input_window],
+            outputs=[output_file, output_msg]
+        )
+
+    with gr.Tab("Stock vs BTC"):
+        gr.Markdown("### Gráfico de Stock vs Bitcoin")
+        btn_stock_btc = gr.Button("Cargar Gráfico")
+        gr.Markdown("**NAV Multiplier:**\n\nMuestra la relación entre el precio de la acción de la empresa y el valor de sus activos, principalmente Bitcoin.\nUn valor superior a 1 indica que el mercado está pagando una prima por la empresa.\nUn valor cercano a 1 sugiere que la valoración de la empresa se acerca al valor de sus activos.")
+        output_iframe_stock = gr.HTML(label="Stock vs Bitcoin Chart")
+
+        btn_stock_btc.click(
+            fn=get_iframe_stock_vs_btc,
+            inputs=[input_ticker],
+            outputs=[output_iframe_stock]
+        )
+
+    with gr.Tab("Holding de Bitcoin"):
+        gr.Markdown("### Gráfico de Holding de Bitcoin")
+        btn_holdings = gr.Button("Cargar Gráfico")
+        output_iframe_holdings = gr.HTML(label="Bitcoin Holdings Chart")
+
+        btn_holdings.click(
+            fn=get_iframe_holdings,
+            inputs=[input_ticker],
+            outputs=[output_iframe_holdings]
+        )
+
+    with gr.Tab("Resumen Holding"):
+        gr.Markdown("### Descargar resumen de holdings a Excel")
+        gr.Markdown("Esto descargará los datos de holding de BTC de la web, los procesará y creará un archivo Excel a partir de una plantilla.")
+
+        # Agregado el input para la URL de la plantilla de Google Drive
+        input_template_url = gr.Textbox(
+            label="URL de la plantilla de Excel (Google Drive)",
+            value="https://docs.google.com/spreadsheets/d/1Ad3bbYQAAZO6ljkaCGTGSw5aG_FQF7Lg/edit?usp=sharing&ouid=109222615757657219494&rtpof=true&sd=true",
+            placeholder="Ej: https://docs.google.com/spreadsheets/d/ID_DEL_ARCHIVO/..."
+        )
+
+
+        btn_descargar_resumen = gr.Button("Descargar Resumen a Excel")
+        output_resumen_file = gr.File(label="Archivo de Resumen de Holdings")
+        output_resumen_msg = gr.Label()
+
+        btn_descargar_resumen.click(
+            fn=descargar_resumen_holding_excel,
+            inputs=[input_template_url], # Ahora pasamos la URL como input
+            outputs=[output_resumen_file, output_resumen_msg]
+        )
+
+
+
+
+#Inicia la aplicación
+demo.launch(share=True)