Update data_manager.py

data_manager.py

@@ -1,4 +1,4 @@
-# data_manager.py (Updated to V7.3 - V8 Pattern Engine Init)
+# data_manager.py (Updated to V7.4 - 1H Momentum Burst Filter)
 import os
 import asyncio
 import httpx
@@ -67,7 +67,7 @@ class DataManager:
             self.pattern_analyzer = ChartPatternAnalyzer(r2_service=None)
         # --- (نهاية الإضافة) ---
 
-        print("✅ DataManager initialized - V7.3 (L1 Threshold @ 0.50)")
+        print("✅ DataManager initialized - V7.4 (1H Momentum Burst Filter)")
 
     async def _load_markets(self):
         try:
@@ -227,81 +227,132 @@ class DataManager:
             print(f"❌ خطأ في إنشاء DataFrame لمرشح 1H: {e}")
             return pd.DataFrame()
 
+    # 🔴 --- START OF CHANGE (V7.4) --- 🔴
+    # (دالة مساعدة جديدة لتقسيم منطق MC)
+    def _get_mc_score_for_filter(self, analysis: Dict) -> float:
+        """(V7.4) (دالة مساعدة) لحساب درجة مونت كارلو للفلتر"""
+        mc_distribution = analysis.get('monte_carlo_distribution')
+        monte_carlo_score = 0
+        
+        if mc_distribution and mc_distribution.get('error') is None: 
+            prob_gain = mc_distribution.get('probability_of_gain', 0)
+            var_95_value = mc_distribution.get('risk_metrics', {}).get('VaR_95_value', 0)
+            current_price = analysis.get('current_price', 1)
+            
+            if current_price > 0:
+                normalized_var = var_95_value / current_price
+                risk_penalty = 1.0
+                if normalized_var > 0.05: risk_penalty = 0.5           
+                elif normalized_var > 0.03: risk_penalty = 0.8
+                
+                normalized_prob_score = max(0.0, (prob_gain - 0.5) * 2)
+                monte_carlo_score = normalized_prob_score * risk_penalty
+        return monte_carlo_score
+
     def _calculate_1h_filter_score(self, analysis: Dict) -> float:
         """
-        (محدث V7.2) - "الكاشف المصغر"
-        يحتوي الآن على "واقي العملات المستقرة"
+        (محدث V7.4 - فلتر الزخم المتفجر 1H)
+        "فلتر شمس منتصف الظهر"
+        يبحث عن:
+        1. انفجار الحجم (Volume Explosion)
+        2. قوة الاتجاه (Trend Strength - ADX)
+        3. المنطقة الآمنة (RSI Safe Zone)
+        4. (يحتوي على واقي العملات المستقرة V7.2)
         """
         try:
-            # (V7.2) واقي العملات المستقرة
-            if 'ohlcv_1h' in analysis and '1h' in analysis['ohlcv_1h']:
-                closes_1h = [c[4] for c in analysis['ohlcv_1h']['1h']]
-                if len(closes_1h) > 20:
-                    std_dev = np.std(closes_1h[-20:])
-                    if std_dev < 1e-5: 
-                        print(f"      - {analysis.get('symbol', 'N/A')}: تم الاستبعاد (عملة مستقرة)")
-                        return 0.0 
-            
-            # 1. درجة الأنماط (Pattern Score)
-            pattern_confidence = analysis.get('pattern_analysis', {}).get('pattern_confidence', 0)
+            # (V7.2) واقي العملات المستقرة (لا تغيير)
+            ohlcv_candles = analysis.get('ohlcv_1h', {}).get('1h', [])
+            if not ohlcv_candles or len(ohlcv_candles) < 30: # (تحتاج 30 لـ ADX و Vol MA)
+                return 0.0 
+
+            closes_1h = [c[4] for c in ohlcv_candles]
+            if len(closes_1h) > 20: # (التحقق من العملة المستقرة أولاً)
+                std_dev = np.std(closes_1h[-20:])
+                if std_dev < 1e-5: 
+                    # print(f"      - {analysis.get('symbol', 'N/A')}: تم الاستبعاد (عملة مستقرة)")
+                    return 0.0 
             
-            # 2. درجة مونت كارلو (Monte Carlo Score)
-            mc_distribution = analysis.get('monte_carlo_distribution')
-            monte_carlo_score = 0
-            
-            if mc_distribution and mc_distribution.get('error') is None: 
-                prob_gain = mc_distribution.get('probability_of_gain', 0)
-                var_95_value = mc_distribution.get('risk_metrics', {}).get('VaR_95_value', 0)
-                current_price = analysis.get('current_price', 1)
-                
-                if current_price > 0:
-                    normalized_var = var_95_value / current_price
-                    risk_penalty = 1.0
-                    if normalized_var > 0.05: risk_penalty = 0.5           
-                    elif normalized_var > 0.03: risk_penalty = 0.8
-                    
-                    normalized_prob_score = max(0.0, (prob_gain - 0.5) * 2)
-                    monte_carlo_score = normalized_prob_score * risk_penalty
+            # --- (الإضافة الجديدة: حساب المؤشرات المتقدمة للفلتر) ---
+            if ta is None: # (التحقق من pandas_ta)
+                return 0.0 # لا يمكن الحساب بدون المكتبة
+
+            df = self._create_dataframe(ohlcv_candles) # (إعادة إنشاء DF لحساب ADX/Vol)
+            if df.empty:
+                return 0.0
+
+            # 1. حساب مؤشرات الزخم المتفجر
+            volume = df['volume']
+            vol_ma = ta.sma(volume, length=20)
+            if vol_ma is None or vol_ma.empty: return 0.0
+
+            current_volume = volume.iloc[-1]
+            avg_volume = vol_ma.iloc[-1]
+
+            adx_data = ta.adx(df['high'], df['low'], df['close'], length=14)
+            current_adx = adx_data['ADX_14'].iloc[-1] if adx_data is not None and not adx_data.empty else 0
             
-            # 3. درجة المؤشرات (Indicator Score)
-            indicator_score = 0
+            # 2. جلب المؤشرات الأساسية (المحسوبة مسبقاً)
             indicators = analysis.get('advanced_indicators', {}).get('1h', {})
-            if indicators:
-                rsi = indicators.get('rsi', 50)
-                macd_hist = indicators.get('macd_hist', 0)
-                ema_9 = indicators.get('ema_9', 0)
-                ema_21 = indicators.get('ema_21', 0)
-                
-                if rsi > 55 and macd_hist > 0 and ema_9 > ema_21:
-                    indicator_score = min(0.5 + (rsi - 55) / 50 + (macd_hist / (analysis.get('current_price', 1) * 0.001)), 1.0)
-                elif rsi < 35:
-                    indicator_score = min(0.4 + (35 - rsi) / 35, 0.8)
-
-            # 4. حساب النتيجة النهائية (بدون استراتيجيات أو حيتان)
-            components = []
-            weights = []
+            rsi = indicators.get('rsi', 50)
+            
+            # 3. جلب درجة مونت كارلو (المحسوبة مسبقاً)
+            monte_carlo_score = self._get_mc_score_for_filter(analysis)
             
-            if monte_carlo_score > 0: components.append(monte_carlo_score); weights.append(0.40)
-            if pattern_confidence > 0: components.append(pattern_confidence); weights.append(0.30)
-            if indicator_score > 0: components.append(indicator_score); weights.append(0.30)
+            # 4. جلب درجة الأنماط (المحسوبة مسبقاً)
+            pattern_confidence = analysis.get('pattern_analysis', {}).get('pattern_confidence', 0)
 
-            if not components: return 0
-            total_weight = sum(weights)
-            if total_weight == 0: return 0
+            # --- (منطق الفلترة الجديد) ---
+            
+            # المعايير الصارمة لـ "شمس منتصف الظهر"
+            VOL_MULTIPLIER = 1.75  # (يجب أن يكون الحجم الحالي 1.75x المتوسط)
+            ADX_THRESHOLD = 25.0   # (يجب أن يكون الاتجاه قوياً)
+            RSI_MIN = 60           # (يجب أن يكون في منطقة صاعدة)
+            RSI_MAX = 85           # (يجب ألا يكون منهكاً تماماً)
+
+            vol_score = 0.0
+            if avg_volume > 0:
+                # (تطبيع درجة الحجم: 1.0 إذا كان يساوي أو يفوق المضاعف)
+                vol_score = min(1.0, max(0.0, (current_volume / avg_volume) / VOL_MULTIPLIER))
+            
+            # (تطبيع درجة ADX: 0.0 عند 25، و 1.0 عند 40+)
+            adx_score = min(1.0, max(0.0, (current_adx - ADX_THRESHOLD) / 15.0)) 
+            
+            rsi_score = 0.0
+            if RSI_MIN <= rsi <= RSI_MAX:
+                rsi_score = 1.0
+            elif rsi > RSI_MAX: # (عقوبة بسيطة للإرهاق)
+                rsi_score = 0.5 
+
+            # (الأوزان الجديدة) - إعطاء الأولوية للزخم والحجم
+            WEIGHT_VOL = 0.30
+            WEIGHT_ADX = 0.30
+            WEIGHT_RSI = 0.15
+            WEIGHT_MC = 0.15
+            WEIGHT_PATTERN = 0.10 # (تقليل أهمية النمط أثناء الانفجار)
+
+            final_score = (
+                (vol_score * WEIGHT_VOL) +
+                (adx_score * WEIGHT_ADX) +
+                (rsi_score * WEIGHT_RSI) +
+                (monte_carlo_score * WEIGHT_MC) +
+                (pattern_confidence * WEIGHT_PATTERN)
+            )
+            
+            # (العتبة (Threshold) لا تزال 0.50 كما هي في V7.3)
             
-            enhanced_score = sum(comp * weight for comp, weight in zip(components, weights)) / total_weight
-            return min(max(enhanced_score, 0.0), 1.0)
+            return min(max(final_score, 0.0), 1.0)
             
         except Exception as e:
-            print(f"❌ خطأ في حساب درجة فلتر 1H: {e}")
+            # print(f"❌ خطأ في حساب درجة فلتر 1H (V-Burst): {e}")
             return 0.0
+    # 🔴 --- END OF CHANGE --- 🔴
 
 
     async def layer1_rapid_screening(self) -> List[Dict[str, Any]]:
         """
         الطبقة 1: فحص سريع - (محدث بالكامل V7.3)
         """
-        print("📊 الطبقة 1 (V7.3): بدء الغربلة (الكاشف المصغر 1H)...")
+        print("📊 الطبقة 1 (V7.4): بدء الغربلة (الكاشف المتفجر 1H)...")
         
         # الخطوة 1: جلب أفضل 100 عملة حسب الحجم
         volume_data = await self._get_volume_data_optimal()
@@ -315,7 +366,7 @@ class DataManager:
         volume_data.sort(key=lambda x: x['dollar_volume'], reverse=True)
         top_100_by_volume = volume_data[:100]
         
-        print(f"✅ تم تحديد أفضل {len(top_100_by_volume)} عملة. بدء تشغيل الكاشف المصغر (1H)...")
+        print(f"✅ تم تحديد أفضل {len(top_100_by_volume)} عملة. بدء تشغيل الكاشف المتفجر (1H)...")
         
         final_candidates = []
         
@@ -362,21 +413,20 @@ class DataManager:
                 analysis_output['ohlcv_1h'] = symbol_data['ohlcv_1h']
                 analysis_output['symbol'] = symbol
                 
+                # (استدعاء الدالة الجديدة V7.4)
                 filter_score = self._calculate_1h_filter_score(analysis_output)
                 
-                # 🔴 --- START OF CHANGE (V7.3) --- 🔴
-                # (رفع العتبة من 0.20 إلى 0.50)
+                # (لا تغيير في العتبة، V7.3)
                 if filter_score >= 0.50:
-                # 🔴 --- END OF CHANGE --- 🔴
                     print(f"      ✅ {symbol}: نجح (الدرجة: {filter_score:.2f})")
                     symbol_data['layer1_score'] = filter_score
-                    symbol_data['reasons_for_candidacy'] = [f'1H_DETECTOR_PASS']
+                    symbol_data['reasons_for_candidacy'] = [f'1H_MOMENTUM_BURST']
                     
                     if 'ohlcv_1h' in symbol_data: del symbol_data['ohlcv_1h'] 
                     
                     final_candidates.append(symbol_data)
 
-        print(f"🎯 اكتملت الغربلة (V7.3). تم تأهيل {len(final_candidates)} عملة من أصل 100 للطبقة 2.")
+        print(f"🎯 اكتملت الغربلة (V7.4). تم تأهيل {len(final_candidates)} عملة من أصل 100 للطبقة 2.")
         
         print("🏆 المرشحون الناجحون:")
         for k, candidate in enumerate(final_candidates[:15]):
@@ -656,4 +706,4 @@ class DataManager:
         except Exception as e:
             return {'action': 'HOLD', 'confidence': 0.3, 'reason': f'Error: {str(e)}', 'source': 'whale_analysis'}
 
-print("✅ DataManager loaded - V7.3 (L1 Threshold @ 0.50)")
+print("✅ DataManager loaded - V7.4 (1H Momentum Burst Filter)")