Update learning_hub/statistical_analyzer.py

learning_hub/statistical_analyzer.py

@@ -1,9 +1,6 @@
-# learning_hub/statistical_analyzer.py
-# (هذا الملف هو النسخة المطورة من learning_engine (39).py القديم)
-# وهو يمثل "التعلم البطيء" (الإحصائي)
-
 import json
 import asyncio
+import traceback # (إضافة)
 from datetime import datetime
 from typing import Dict, Any, List
 import numpy as np
@@ -32,7 +29,10 @@ class StatisticalAnalyzer:
         self.strategy_effectiveness = {} # (إحصائيات استراتيجيات الدخول)
         self.exit_profile_effectiveness = {} # (إحصائيات مزيج الدخول+الخروج)
         self.market_patterns = {}
-        # --- (نهاية متغيرات الحالة) ---
+        
+        # 🔴 --- START OF CHANGE (V2 - VADER Learning) --- 🔴
+        self.vader_bin_effectiveness = {} # (جديد: لتتبع أداء VADER)
+        # 🔴 --- END OF CHANGE --- 🔴
         
         self.initialized = False
         self.lock = asyncio.Lock()
@@ -49,6 +49,9 @@ class StatisticalAnalyzer:
                 await self.load_weights_from_r2()
                 await self.load_performance_history()
                 await self.load_exit_profile_effectiveness()
+                # 🔴 --- START OF CHANGE (V2 - VADER Learning) --- 🔴
+                await self.load_vader_effectiveness()
+                # 🔴 --- END OF CHANGE --- 🔴
                 
                 if not self.weights or not self.strategy_effectiveness:
                     await self.initialize_default_weights()
@@ -106,6 +109,16 @@ class StatisticalAnalyzer:
         self.strategy_effectiveness = {}
         self.exit_profile_effectiveness = {}
         self.market_patterns = {}
+        # 🔴 --- START OF CHANGE (V2 - VADER Learning) --- 🔴
+        # (إعادة تعيين إحصائيات VADER أيضاً)
+        self.vader_bin_effectiveness = {
+            "Strong_Positive": {"total_trades": 0, "total_pnl_percent": 0},
+            "Positive": {"total_trades": 0, "total_pnl_percent": 0},
+            "Neutral": {"total_trades": 0, "total_pnl_percent": 0},
+            "Negative": {"total_trades": 0, "total_pnl_percent": 0},
+            "Strong_Negative": {"total_trades": 0, "total_pnl_percent": 0}
+        }
+        # 🔴 --- END OF CHANGE --- 🔴
 
     async def load_weights_from_r2(self):
         key = "learning_statistical_weights.json" # (ملف جديد)
@@ -187,6 +200,49 @@ class StatisticalAnalyzer:
         except Exception as e:
             print(f"❌ [StatsAnalyzer] فشل حفظ أداء ملف الخروج: {e}")
 
+    # 🔴 --- START OF CHANGE (V2 - VADER Learning) --- 🔴
+    async def load_vader_effectiveness(self):
+        """تحميل إحصائيات VADER من R2"""
+        key = "learning_vader_effectiveness.json" # (ملف جديد)
+        try:
+            response = self.r2_service.s3_client.get_object(Bucket="trading", Key=key)
+            data = json.loads(response['Body'].read())
+            self.vader_bin_effectiveness = data.get("effectiveness", {})
+            if not self.vader_bin_effectiveness:
+                 await self.initialize_default_weights() # (سيقوم بملء القيم الافتراضية)
+        except Exception as e:
+            # (إذا فشل، ستقوم initialize_default_weights بملء القيم الافتراضية)
+            pass 
+
+    async def save_vader_effectiveness(self):
+        """حفظ إحصائيات VADER إلى R2"""
+        key = "learning_vader_effectiveness.json"
+        try:
+            data = {
+                "effectiveness": self.vader_bin_effectiveness,
+                "last_updated": datetime.now().isoformat()
+            }
+            data_json = json.dumps(data, indent=2, ensure_ascii=False).encode('utf-8')
+            self.r2_service.s3_client.put_object(
+                Bucket="trading", Key=key, Body=data_json, ContentType="application/json"
+            )
+        except Exception as e:
+            print(f"❌ [StatsAnalyzer] فشل حفظ أداء VADER: {e}")
+
+    def _get_vader_bin(self, vader_score: float) -> str:
+        """تصنيف درجة VADER الخام (-1 إلى +1) إلى سلال"""
+        if vader_score > 0.5:
+            return "Strong_Positive"
+        elif vader_score > 0.05:
+            return "Positive"
+        elif vader_score < -0.5:
+            return "Strong_Negative"
+        elif vader_score < -0.05:
+            return "Negative"
+        else:
+            return "Neutral"
+    # 🔴 --- END OF CHANGE --- 🔴
+
     async def update_statistics(self, trade_object: Dict[str, Any], close_reason: str):
         """
         هذه هي الدالة الرئيسية التي تحدث الإحصائيات (التعلم البطيء).
@@ -210,6 +266,11 @@ class StatisticalAnalyzer:
             if not market_context:
                  market_context = await self.get_current_market_conditions()
             market_condition = market_context.get('current_trend', 'sideways_market')
+            
+            # (V2 - VADER Learning) جلب درجة VADER وقت القرار
+            # (نفترض أن TradeManager حفظها هنا)
+            vader_score_at_decision = decision_data.get('news_score', 0.0)
+            vader_bin = self._get_vader_bin(vader_score_at_decision)
             # 🔴 --- END OF CHANGE --- 🔴
 
             # --- 1. تحديث تاريخ الأداء (للتتبع العام) ---
@@ -221,7 +282,9 @@ class StatisticalAnalyzer:
                 "market_conditions": market_context,
                 "strategy_used": strategy,
                 "exit_profile_used": exit_profile,
-                "pnl_percent": pnl_percent
+                "pnl_percent": pnl_percent,
+                "vader_score": vader_score_at_decision, # (إضافة)
+                "vader_bin": vader_bin # (إضافة)
             }
             self.performance_history.append(analysis_entry)
             
@@ -255,15 +318,28 @@ class StatisticalAnalyzer:
             if is_success:
                 self.market_patterns[market_condition]["successful_trades"] += 1
 
-            # --- 5. تكييف الأوزان والحفظ (إذا لزم الأمر) ---
+            # 🔴 --- START OF CHANGE (V2 - VADER Learning) --- 🔴
+            # --- 5. تحديث إحصائيات VADER ---
+            if vader_bin not in self.vader_bin_effectiveness:
+                # (لضمان عدم حدوث خطأ إذا كانت السلة غير موجودة)
+                self.vader_bin_effectiveness[vader_bin] = {"total_trades": 0, "total_pnl_percent": 0}
+
+            self.vader_bin_effectiveness[vader_bin]["total_trades"] += 1
+            self.vader_bin_effectiveness[vader_bin]["total_pnl_percent"] += pnl_percent
+            # 🔴 --- END OF CHANGE --- 🔴
+
+            # --- 6. تكييف الأوزان والحفظ (إذا لزم الأمر) ---
             # (ملاحظة: نحتاج إلى إضافة منطق لتعلم أوزان الحارس هنا مستقبلاً)
             if should_update_weights(len(self.performance_history)):
                 await self.adapt_weights_based_on_performance()
                 await self.save_weights_to_r2()
                 await self.save_performance_history()
                 await self.save_exit_profile_effectiveness()
+                # 🔴 --- START OF CHANGE (V2 - VADER Learning) --- 🔴
+                await self.save_vader_effectiveness() # (حفظ إحصائيات VADER)
+                # 🔴 --- END OF CHANGE --- 🔴
 
-            print(f"✅ [StatsAnalyzer] تم تحديث الإحصائيات لـ {strategy} / {exit_profile}")
+            print(f"✅ [StatsAnalyzer] تم تحديث الإحصائيات لـ {strategy} (News Bin: {vader_bin})")
 
         except Exception as e:
             print(f"❌ [StatsAnalyzer] فشل تحديث الإحصائيات: {e}")
@@ -328,6 +404,26 @@ class StatisticalAnalyzer:
         best_profile = max(relevant_profiles, key=relevant_profiles.get)
         return best_profile
 
+    # 🔴 --- START OF CHANGE (V2 - VADER Learning) --- 🔴
+    async def get_statistical_vader_pnl(self, vader_score: float) -> float:
+        """
+        جلب متوسط الربح/الخسارة التاريخي لدرجة VADER
+        """
+        if not self.initialized:
+            return 0.0 # (العودة بقيمة محايدة)
+        
+        vader_bin = self._get_vader_bin(vader_score)
+        bin_data = self.vader_bin_effectiveness.get(vader_bin)
+        
+        if not bin_data or bin_data.get("total_trades", 0) < 3:
+            # (لا توجد بيانات كافية، العودة بقيمة محايدة)
+            return 0.0
+        
+        # (إرجاع متوسط الربح/الخسارة الفعلي لهذه السلة)
+        avg_pnl = bin_data["total_pnl_percent"] / bin_data["total_trades"]
+        return avg_pnl
+    # 🔴 --- END OF CHANGE --- 🔴
+
     # 🔴 --- START OF CHANGE --- 🔴
     async def get_optimized_weights(self, market_condition: str) -> Dict[str, float]:
         """
@@ -394,7 +490,4 @@ class StatisticalAnalyzer:
                 "market_sentiment": market_context.get('btc_sentiment', 'NEUTRAL'),
             }
         except Exception as e:
-            return {"current_trend": "sideways_market", "volatility": "medium", "market_sentiment": "NEUTRAL"}
-# 🔴 --- START OF CHANGE --- 🔴
-# (تم حذف القوس } الزائد من هنا)
-# 🔴 --- END OF CHANGE --- 🔴
+            return {"current_trend": "sideways_market", "volatility": "medium", "market_sentiment": "NEUTRAL"}