#!/usr/bin/env python3
"""
WALK-FORWARD ВАЛИДАЦИЯ грид-параметров.

Зачем: перебор по всему окну находит параметр, который лучше всего описал
ПРОШЛОЕ. Канон арены знает эту ловушку как «V82a / small-sample illusion»:
комбо со 100% WR на 30 сделках через 2 недели даёт 30%.

Честный тест: делим историю на куски. На куске N подбираем лучший шаг,
проверяем его на куске N+1 (который при подборе НЕ ВИДЕЛИ). Если параметр
переносится — он настоящий. Если каждый раз новый — это подгонка.

Запуск:
    python3 walk_forward.py SOLUSDT
    python3 walk_forward.py SOLUSDT --folds 6
"""

import sys, os, statistics
sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
from grid_sim import load, simulate

STEPS = [0.2, 0.3, 0.5, 0.8, 1.0, 1.2, 1.6, 2.0, 2.5, 3.0]
LEVELS = 20

def main():
    sym = sys.argv[1] if len(sys.argv) > 1 else "SOLUSDT"
    folds = int(sys.argv[sys.argv.index("--folds") + 1]) if "--folds" in sys.argv else 5
    metric = "realized_apr"     # хеджированный доход: только реализованное

    candles = load(sym)
    n = len(candles) // folds
    chunks = [candles[i*n:(i+1)*n] for i in range(folds)]

    print(f"=== WALK-FORWARD: {sym}, {folds} окон по {n/1440:.0f} дней ===")
    print(f"метрика: реализованный APR (то, что остаётся при хедже инвентаря)\n")

    print(f"{'окно':>5} {'цена%':>8} {'лучший шаг':>11} {'его APR':>9}   → {'на след. окне':>13}")
    print("-" * 72)

    oos_results = []
    prev_best = None
    for i, ch in enumerate(chunks):
        scores = {s: simulate(ch, s, LEVELS)[metric] for s in STEPS}
        best = max(scores, key=scores.get)
        pchg = (ch[-1][4] / ch[0][4] - 1) * 100

        oos_txt = ""
        if prev_best is not None:
            oos = scores[prev_best]
            oos_results.append((prev_best, oos, scores[best]))
            gap = oos - scores[best]
            oos_txt = f"шаг {prev_best}% дал {oos:+7.1f}%  (лучший {scores[best]:+.1f}%, разрыв {gap:+.1f})"
        print(f"{i+1:>5} {pchg:>+7.1f}% {best:>10}% {scores[best]:>+8.1f}%   {oos_txt}")
        prev_best = best

    print("\n" + "=" * 72)
    if oos_results:
        oos_aprs = [o for _, o, _ in oos_results]
        best_aprs = [b for _, _, b in oos_results]
        print(f"ВНЕ-ВЫБОРОЧНЫЙ результат (переносим шаг с прошлого окна):")
        print(f"  средний APR OOS        : {statistics.mean(oos_aprs):+.1f}%")
        print(f"  средний APR «идеальный»: {statistics.mean(best_aprs):+.1f}%  (недостижим — знание будущего)")
        print(f"  потеря на переносе     : {statistics.mean(oos_aprs)-statistics.mean(best_aprs):+.1f} п.п.")
        print(f"  положительных окон OOS : {sum(1 for a in oos_aprs if a>0)}/{len(oos_aprs)}")

    # устойчивость: как ведёт себя КАЖДЫЙ шаг на всех окнах
    print(f"\n=== УСТОЙЧИВОСТЬ ШАГА (реализ. APR по окнам) ===")
    print(f"{'шаг':>6} " + " ".join(f"{'окно'+str(i+1):>8}" for i in range(folds)) + f" {'среднее':>9} {'мин':>8}")
    print("-" * (7 + 9*folds + 19))
    rows = []
    for s in STEPS:
        vals = [simulate(ch, s, LEVELS)[metric] for ch in chunks]
        rows.append((statistics.mean(vals), min(vals), s, vals))
        print(f"{s:>5}% " + " ".join(f"{v:>+8.1f}" for v in vals) +
              f" {statistics.mean(vals):>+9.1f} {min(vals):>+8.1f}")
    rows.sort(reverse=True)
    print(f"\nЛУЧШИЙ ПО СРЕДНЕМУ: шаг {rows[0][2]}% → {rows[0][0]:+.1f}% средний, худшее окно {rows[0][1]:+.1f}%")
    robust = [r for r in rows if r[1] > 0]
    if robust:
        print(f"ЛУЧШИЙ БЕЗ УБЫТОЧНЫХ ОКОН: шаг {robust[0][2]}% → {robust[0][0]:+.1f}% средний, "
              f"худшее {robust[0][1]:+.1f}%  ← это и есть кандидат в прод")
    else:
        print("НИ ОДИН шаг не был прибыльным во всех окнах.")

if __name__ == "__main__":
    main()