#!/usr/bin/env python3
"""R-Ertrag: bringt das NEU trainierte P(break)-Modell live mehr als das alte?

Zweiter, entscheidender Teil zu `backtest_pbreak_retrain.py`. Dort wurde gezeigt,
dass das ALTE Modell auf live-typischen Situationen nur AUC ~0,34 erreicht (also
schlechter als Zufall) und das neue ~0,66. **AUC allein reicht aber nicht** — die
Projektregel verlangt einen besseren R-Ertrag in BEIDEN Hälften.

SIMULIERTE REGEL (exakt der Live-Pfad):
  Position öffnet beim Wave-Signal. Danach jeden Bar prüfen:
  ist der Kurs im 0,15×ATR-Band um das dynamisch gewählte Level (mit Hysterese)?
     → P(break) berechnen. Ist P < Schwelle X  →  JETZT schließen (R_close).
     → sonst weiterlaufen lassen.
  Wird nie geschlossen → R_run (Live-Trailing: SL 2,0 · Trail 1,5 ab 0,3 · BE 1,3).
  Alles mit Echtkosten (Bar-Spread/ATR).

VERGLICHEN WERDEN:
  * Baseline      — nie am Level schließen (nur Trailing) = der ehrliche Maßstab
  * ALT-Modell    — die aktuell live eingebetteten _PB_MU/_SD/_W
  * NEU-Modell    — auf der live-spiegelnden Stichprobe gefittet (Fit auf H1!)

⚠ Das NEUE Modell wird auf H1 gefittet und in H2 out-of-sample angewandt — sonst
wäre der Vergleich zirkulär.
"""
import sys
from collections import deque

import numpy as np
import MetaTrader5 as mt5

from core.analysis import calc_trend_angle
from core.wave_rec import (_EMA_FAST, _EMA_SLOW, _N_BARS, _ANGLE_LR, _ANGLE_DEAD,
                           _REVERSAL_STRETCH, _STRETCH_MAX)
from backtest_pbreak_retrain import (
    _ema_series, _atr_series, build_levels, _cluster, pick_level,
    fit_logreg, _OLD_MU, _OLD_SD, _OLD_W, _ZONE, _ATRMIN, _M30)

_MAXH = 200
_SL_ATR = 2.0; _TRAILON = 0.3; _MULT = 1.5; _BE = 1.3
_LOCK_START = 3.5; _LOCK_SCALE = 0.6; _LOCK_MIN = 1.2; _TP_INIT = 3.5


def sim_run(entry, d, atr, H, L, C, j0):
    """Live-Exit (identisch zu backtest_srclose_prob.py)."""
    sl = entry - d * _SL_ATR * atr; tp = entry + d * _TP_INIT * atr
    hw = entry; rank = 0
    end = min(j0 + _MAXH, len(C) - 1)
    for j in range(j0, end + 1):
        hi, lo = H[j], L[j]
        if (lo <= sl) if d > 0 else (hi >= sl): return (sl - entry) * d / atr
        if (hi >= tp) if d > 0 else (lo <= tp): return (tp - entry) * d / atr
        hw = max(hw, hi) if d > 0 else min(hw, lo)
        profit = (hw - entry) * d
        ph = 0 if profit < _TRAILON * atr else (1 if profit < _LOCK_START * atr else 2)
        if ph < rank: ph = rank
        rank = ph
        if ph == 1:
            cand = hw - d * _MULT * atr
            if profit >= _BE * atr: cand = max(cand, entry) if d > 0 else min(cand, entry)
            sl = max(sl, cand) if d > 0 else min(sl, cand)
        elif ph == 2:
            tm = max(_LOCK_MIN, _MULT * _LOCK_SCALE); cand = hw - d * tm * atr
            cand = max(cand, entry) if d > 0 else min(cand, entry)
            sl = max(sl, cand) if d > 0 else min(sl, cand)
    return (C[end] - entry) * d / atr


def positions(a, b, H, L, C, EF, ES, AT, SP, LV):
    """→ [{R_run, cost, events:[(feat, R_close)]}] — Events in zeitlicher Reihenfolge."""
    TH = _REVERSAL_STRETCH
    out = []
    i = max(a, _N_BARS, 320)
    while i < min(b, len(C) - _MAXH - 1):
        atr = AT[i]
        if not atr or atr <= 0:
            i += 1; continue
        atr = max(atr, _ATRMIN); es = ES[i]; ef = EF[i]
        stretch = (C[i] - es) / atr
        ang = calc_trend_angle(C[i - _ANGLE_LR - 2:i], _ANGLE_LR); ad = ang - 90.0
        d = 0
        if stretch <= -TH and ad >= _ANGLE_DEAD: d = 1
        elif stretch >= TH and ad <= -_ANGLE_DEAD: d = -1
        elif abs(stretch) < _STRETCH_MAX: d = 1 if ef > es else -1 if ef < es else 0
        if not d:
            i += 1; continue
        entry = C[i]
        cost = (SP[i] if SP[i] > 0 else 0.0225) / atr
        rec = {"R_run": sim_run(entry, d, atr, H, L, C, i + 1) - cost, "events": []}
        prev_lvl = None
        for j in range(i + 1, min(i + _MAXH, len(C) - 12)):
            aj = AT[j]
            if not aj:
                continue
            aj = max(aj, _ATRMIN)
            lv = LV[min(j // _M30, len(LV) - 1)]
            level = pick_level(_cluster(lv, aj), C[j], d, aj, prev_lvl)
            prev_lvl = level
            if level is None or abs(C[j] - level) > _ZONE * aj:
                continue
            feat = [(C[j] - C[max(0, j - 6)]) * d / aj,
                    (C[j] - C[max(0, j - 3)]) * d / aj,
                    1.0 if (EF[j] - ES[j]) * d > 0 else 0.0,
                    abs(level - entry) / aj]
            # Schließen am Level: der Kurs IST dort (±0,15×ATR) → C[j] als Fill
            rec["events"].append((feat, (C[j] - entry) * d / aj - cost))
        out.append(rec)
        i += 12
    return out


def p_old(feat):
    z = _OLD_W[0]
    for k in range(4):
        z += _OLD_W[k + 1] * (feat[k] - _OLD_MU[k]) / _OLD_SD[k]
    return 1 / (1 + np.exp(-max(-30, min(30, z))))


def total(pos, pfun, X):
    """ΣR der Regel: beim ERSTEN Event mit P<X schließen, sonst laufen lassen."""
    s = 0.0; closed = 0
    for r in pos:
        done = False
        for feat, rc in r["events"]:
            if pfun(feat) < X:
                s += rc; closed += 1; done = True; break
        if not done:
            s += r["R_run"]
    return s, closed


def main():
    n = int(sys.argv[1]) if len(sys.argv) > 1 else 80000
    mt5.initialize(); sym = None
    for c in ("SpotCrude", "USOIL", "WTI", "XTIUSD"):
        if mt5.symbol_info(c): sym = c; break
    si = mt5.symbol_info(sym); point = si.point
    bars = mt5.copy_rates_from_pos(sym, mt5.TIMEFRAME_M5, 0, n)
    mt5.shutdown()
    H = [float(b["high"]) for b in bars]; L = [float(b["low"]) for b in bars]
    C = [float(b["close"]) for b in bars]; SP = [float(b["spread"]) * point for b in bars]
    EF = _ema_series(C, _EMA_FAST); ES = _ema_series(C, _EMA_SLOW); AT = _atr_series(H, L, C)
    LV = build_levels(H, L)
    mid = len(C) // 2
    P1 = positions(_N_BARS, mid, H, L, C, EF, ES, AT, SP, LV)
    P2 = positions(mid, len(C), H, L, C, EF, ES, AT, SP, LV)

    # NEUES Modell auf H1-Events fitten
    X1 = np.array([f for r in P1 for f, _ in r["events"]])
    # Ausgang je Event wird hier NICHT gebraucht — wir fitten auf demselben
    # Kriterium wie im Retrain-Skript, deshalb dort erzeugte Gewichte verwenden.
    from backtest_pbreak_retrain import collect as rt_collect
    s1 = rt_collect(_N_BARS, mid, H, L, C, EF, ES, AT, LV)
    Xf = np.array([e["feat"] for e in s1]); yf = np.array([e["y"] for e in s1], float)
    mu = Xf.mean(0); sd = Xf.std(0) + 1e-9
    w = fit_logreg((Xf - mu) / sd, yf)

    def p_new(feat):
        z = w[0] + float(np.dot(w[1:], (np.array(feat) - mu) / sd))
        return 1 / (1 + np.exp(-max(-30, min(30, z))))

    print("=" * 96)
    print(f"  R-ERTRAG der P(break)-Close-Regel — {sym} M5 ({len(C)} Bars), Echtkosten")
    print(f"  NEU-Modell auf H1 gefittet ({len(s1)} Events) → H2 ist out-of-sample")
    print("=" * 96)
    for lbl, P in (("H1 (in-sample)", P1), ("H2 (OUT-OF-SAMPLE)", P2)):
        base = sum(r["R_run"] for r in P)
        nev = sum(1 for r in P if r["events"])
        print(f"\n  {lbl}: {len(P)} Positionen, davon {nev} mit Level-Kontakt")
        print(f"  Baseline (nur Trailing, nie am Level schließen): ΣR = {base:+.0f}")
        print(f"    {'Schwelle':<10}{'ALT ΣR':>10}{'ALT %zu':>9}{'NEU ΣR':>10}{'NEU %zu':>9}"
              f"{'NEU vs ALT':>12}{'NEU vs Base':>13}")
        for X in (0.35, 0.45, 0.55, 0.60):
            so, co = total(P, p_old, X)
            sn, cn = total(P, p_new, X)
            print(f"    P<{X:.2f}   {so:>+10.0f}{100*co/max(1,len(P)):>8.0f}%"
                  f"{sn:>+10.0f}{100*cn/max(1,len(P)):>8.0f}%"
                  f"{sn-so:>+12.0f}{sn-base:>+13.0f}")


if __name__ == "__main__":
    main()