#!/usr/bin/env python3
"""
使用新框架数据生成原引擎格式的报告

用法:
    python scripts/generate_legacy_report.py
"""

import os
import sys
import yaml
import pandas as pd
import numpy as np
from pathlib import Path
from dotenv import load_dotenv

load_dotenv()

# 添加项目根目录到 sys.path
project_root = Path(__file__).parent.parent
sys.path.insert(0, str(project_root))

# 导入新框架
from strategies.rotation.strategy import RotationStrategy

# 导入原引擎报告生成模块
archive_path = project_root / 'archive' / 'legacy_core'
sys.path.insert(0, str(archive_path))
from report import generate_performance_report
from core.common.utils import calculate_cagr, calculate_max_drawdown, calculate_sharpe


def run_with_legacy_report():
    """运行新框架回测并生成原引擎格式报告"""
    
    # 加载配置
    config_path = 'config/strategies/rotation.yaml'
    with open(config_path, 'r', encoding='utf-8') as f:
        config = yaml.safe_load(f)
    
    # 新框架回测
    print("=" * 60)
    print("        ETF轮动策略 回测系统 (新框架)")
    print("=" * 60)
    
    strategy = RotationStrategy.from_yaml(config_path)
    data = strategy.get_data()
    
    # 计算因子
    print("\n计算因子...")
    factor_df = strategy.compute_factors(data)
    
    # 生成信号
    print("\n生成信号...")
    signals = strategy.generate_signals(factor_df)
    
    # 执行回测
    print("\n执行回测...")
    result = strategy.run_backtest(data=data)
    
    # 准备原引擎格式的数据
    backtest_result = result['result'].copy()
    
    if backtest_result is None:
        print("回测失败，无法生成报告")
        return
    
    # 重命名列以匹配原引擎格式
    backtest_result['轮动策略净值'] = backtest_result['策略净值']
    backtest_result['轮动策略日收益率'] = backtest_result['策略日收益率']
    
    # 1. 基准净值和基准日收益率
    benchmark_data = data.get('benchmark_data')
    if benchmark_data is not None and not benchmark_data.empty:
        # 对齐基准数据到回测日期
        benchmark_close = benchmark_data['close'] if 'close' in benchmark_data.columns else benchmark_data.iloc[:, 0]
        benchmark_close_aligned = benchmark_close.reindex(backtest_result.index, method='ffill')
        
        # 计算基准净值
        benchmark_nav = (1 + benchmark_close_aligned.pct_change()).cumprod()
        benchmark_nav = benchmark_nav / benchmark_nav.dropna().iloc[0]  # 归一化起点为1
        
        backtest_result['基准净值'] = benchmark_nav.values
        backtest_result['基准日收益率'] = benchmark_close_aligned.pct_change().values
    
    # 2. 各标的净值（指数价格）- 使用index_data而非index_close
    # index_close可能对齐有问题，直接从index_data获取
    index_data = data.get('index_data')
    valid_codes = data['valid_codes']
    
    for code in valid_codes:
        if index_data is not None and code in index_data:
            # 从原始OHLCV数据获取close价格
            price_df = index_data[code]
            if 'close' in price_df.columns:
                price_series = price_df['close']
            else:
                price_series = price_df.iloc[:, 0]  # 取第一列
            
            # 对齐到回测日期
            price_aligned = price_series.reindex(backtest_result.index, method='ffill')
            
            # 处理最后几天的NaN（用最后一个有效值填充）
            price_aligned = price_aligned.ffill()  # 前向填充剩余NaN
            
            # 计算该标的的净值曲线
            nav_series = (1 + price_aligned.pct_change()).cumprod()
            first_valid = nav_series.dropna().iloc[0] if len(nav_series.dropna()) > 0 else 1
            nav_series = nav_series / first_valid  # 归一化起点为1
            
            backtest_result[f'净值_{code}'] = nav_series.values
            backtest_result[code] = price_aligned.values  # 当前价格
    
    # 3. 得分列（从factor_df获取）
    for code in valid_codes:
        if code in factor_df.columns:
            scores_aligned = factor_df[code].reindex(backtest_result.index, method='ffill')
            backtest_result[f'得分_{code}'] = scores_aligned.values
    
    # 4. 信号列（中文名）
    backtest_result['信号'] = backtest_result['signal']
    
    # 构建code_name_map和code_config
    code_config = config.get('code_list', {})
    code_name_map = {code: cfg.get('name', code) for code, cfg in code_config.items()}
    
    # 准备ETF价格和净值数据（用于溢价率计算）
    etf_data = data.get('etf_data')
    etf_nav_data = data.get('etf_nav_data')
    
    # ETF数据需要用ETF代码作为列名
    etf_price_data = None
    etf_nav_data_raw = None
    
    if etf_data is not None:
        # 转换列名：指数代码 -> ETF代码（通过etf_code_map）
        # 并对齐到回测日期
        etf_code_map = data.get('etf_code_map', {})
        etf_price_data = pd.DataFrame(index=backtest_result.index)
        for idx_code, etf_code in etf_code_map.items():
            if etf_code in etf_data.columns:
                # 对齐ETF价格数据到回测日期
                price_aligned = etf_data[etf_code].reindex(backtest_result.index, method='ffill')
                etf_price_data[idx_code] = price_aligned.values
    
    if etf_nav_data is not None:
        # ETF净值数据列名是ETF代码，需要用etf_code_map映射
        # 并对齐到回测日期
        etf_nav_data_raw = pd.DataFrame(index=backtest_result.index)
        for idx_code, etf_code in etf_code_map.items():
            if etf_code in etf_nav_data.columns:
                # 对齐净值数据到回测日期（使用ffill处理日期差异）
                nav_aligned = etf_nav_data[etf_code].reindex(backtest_result.index, method='ffill')
                etf_nav_data_raw[idx_code] = nav_aligned.values
    
    # 生成原引擎格式的报告
    print("\n" + "=" * 60)
    print("        生成原引擎格式报告")
    print("=" * 60)
    
    save_path = 'results/rotation_legacy'
    os.makedirs('results', exist_ok=True)
    
    # 获取index_close用于报告图表绘制
    index_close = data.get('index_close')
    
    metrics = generate_performance_report(
        backtest_result=backtest_result,
        code_list=valid_codes,
        code_name_map=code_name_map,
        benchmark_name=config.get('benchmark_name', '沪深300指数'),
        save_path=save_path,
        select_num=config.get('select_num', 3),
        code_config=code_config,
        index_data=index_close,
        etf_price_data=etf_price_data,
        etf_nav_data_raw=etf_nav_data_raw,
    )
    
    print(f"\n报告文件已生成:")
    print(f"  - {save_path}_chart.png")
    print(f"  - {save_path}_metrics.json")
    print(f"  - {save_path}_nav.csv")
    
    return metrics


if __name__ == '__main__':
    run_with_legacy_report()