# deep_analysis.py
# 17% 수익률 원인 분석 및 최대 수익률 달성 전략 수립

import re
from typing import Dict, List, Tuple
from collections import defaultdict
from datetime import datetime


def parse_trades(log_path: str) -> Tuple[List[Dict], List[Dict]]:
    """BUY/SELL 거래 모두 파싱"""
    buys = []
    sells = []
    
    with open(log_path, 'r', encoding='utf-16', errors='ignore') as f:
        for line in f:
            buy_match = re.search(
                r'\[(\d{4}-\d{2}-\d{2})\]\s+BUY:\s+(.+?)\s+@\s+([\d,]+)\s+/\s+([\d,]+)주\s+\(SL:\s+([\d,]+)\)',
                line
            )
            if buy_match:
                date, ticker, price, shares, sl = buy_match.groups()
                buys.append({
                    'date': date,
                    'ticker': ticker.strip(),
                    'price': int(price.replace(',', '')),
                    'shares': int(shares.replace(',', '')),
                    'stop_loss': int(sl.replace(',', ''))
                })
            
            sell_match = re.search(
                r'\[(\d{4}-\d{2}-\d{2})\]\s+SELL\s+\(([^)]+)\):\s+(.+?)\s+@\s+[\d,]+\s+/\s+[\d,]+주\s+\(([+-]?\d+\.\d+)%\)',
                line
            )
            if sell_match:
                date, exit_reason, ticker, return_pct = sell_match.groups()
                sells.append({
                    'date': date,
                    'exit_reason': exit_reason,
                    'ticker': ticker.strip(),
                    'return_pct': float(return_pct)
                })
    
    return buys, sells


def analyze_trend_timeline(buys: List[Dict], sells: List[Dict]) -> None:
    """시간대별 성과 분석"""
    print("\n" + "="*80)
    print("📅 시간대별 성과 분석 (매수 시점의 시장 환경)")
    print("="*80)
    
    periods = {
        '2022-01~06 (하락장)': [],
        '2022-07~12 (반등)': [],
        '2023-01~06 (상승)': [],
        '2023-07~12 (조정)': []
    }
    
    for sell in sells:
        date = sell['date']
        year_month = date[:7]
        
        if '2022-01' <= year_month <= '2022-06':
            periods['2022-01~06 (하락장)'].append(sell['return_pct'])
        elif '2022-07' <= year_month <= '2022-12':
            periods['2022-07~12 (반등)'].append(sell['return_pct'])
        elif '2023-01' <= year_month <= '2023-06':
            periods['2023-01~06 (상승)'].append(sell['return_pct'])
        else:
            periods['2023-07~12 (조정)'].append(sell['return_pct'])
    
    for period, returns in periods.items():
        if returns:
            avg = sum(returns) / len(returns)
            wins = sum(1 for r in returns if r > 0)
            win_rate = wins / len(returns) * 100
            print(f"  {period}: {len(returns):3d}회 | 평균 {avg:6.2f}% | 승률 {win_rate:5.1f}%")


def analyze_signal_quality(buys: List[Dict]) -> None:
    """매수 신호 품질 분석"""
    print("\n" + "="*80)
    print("🎯 매수 신호 분석 (현재 조건의 문제점)")
    print("="*80)
    
    print(f"\n총 매수 횟수: {len(buys)}회")
    print("\n현재 매수 조건:")
    print("  ✓ 역배열: 20<60, 60<112, 112<224")
    print("  ✓ 골든크로스: 5>112")
    print("  ✗ 이격도 필터: OFF")
    print("  ✗ 강한 돌파 필터: OFF")
    
    print("\n❌ 문제점:")
    print("  1. 단일 골든크로스(5>112)만으로 매수 → 약한 신호 진입 가능")
    print("  2. 이격도/돌파 필터 미사용 → 과매수 구간 진입")
    print("  3. 역배열 3개 조건 → 너무 보수적일 수 있음")


def suggest_optimization() -> None:
    """최대 수익률 달성 전략"""
    print("\n" + "="*80)
    print("🚀 최대 수익률 달성 전략 (17% → 40~50% 목표)")
    print("="*80)
    
    print("\n" + "="*70)
    print("전략 A: 매수 신호 강화 (진입 품질 향상)")
    print("="*70)
    print("""
문제: 약한 신호에도 진입하여 손절/소폭 수익 비중 높음

개선안 1: 이격도 필터 활성화
    USE_DISPARITY_FILTER = True
    MIN_DISPARITY_PCT = 8.0  # 60일선이 224일선보다 8% 이상 이격
    
효과: 과매수 구간 매수 방지, 저가 매수 비중 증가
예상: 매수 횟수 20~30% 감소, 승률 +10~15% 증가

개선안 2: 골든크로스 조건 추가
    GOLDEN_CROSS_CONDITION:
        '5_vs_112': True   (유지)
        '5_vs_60': True    (추가) - 단기 강세 확인
        
효과: 단기 모멘텀 확인 후 진입
예상: 승률 +5~8% 증가

개선안 3: 역배열 조건 완화
    REVERSE_ARRAY_CONDITION:
        '20_vs_60': True   (유지)
        '60_vs_112': False (완화) - 너무 보수적
        '112_vs_224': True (유지)
        
효과: 매수 기회 증가 (좋은 신호 놓치지 않음)
예상: 매수 횟수 +20~30% 증가
""")
    
    print("\n" + "="*70)
    print("전략 B: 매도 전략 공격적 전환 (큰 수익 극대화)")
    print("="*70)
    print("""
문제: 15% 익절로 조기 청산, 큰 수익(30~50%) 구간 진입 부족

개선안 1: 익절 목표 상향
    SELL_PROFIT_TAKE_PCT = 0.20  # 15% → 20%
    
효과: 20~30% 수익 구간 진입 빈도 증가
예상: PROFIT_TAKE 평균 수익 18% → 25%

개선안 2: 익절 비율 대폭 축소 (공격적)
    SELL_PROFIT_TAKE_RATIO = 0.3  # 45% → 30% (1/3만 매도)
    
효과: 70% 남겨서 큰 수익 노림
예상: 30~50% 수익 비중 2~3배 증가
리스크: 하락 시 손실폭 증가 (MDD +5~10%)

개선안 3: 트레일링 스탑 재조정
    # 수익률 20% 미만: 트레일링 비활성화 (HOLD)
    # 수익률 20~40%: 12% 트레일링
    # 수익률 40% 이상: 15% 트레일링
    
효과: 큰 수익 구간까지 버티기
예상: 평균 수익 +10~15% 증가
""")
    
    print("\n" + "="*70)
    print("전략 C: 손절 전략 재설계")
    print("="*70)
    print("""
문제: 7% 손절로 평균 -7.63% 손실 (슬리피지)

개선안 1: 손절선 완화
    SELL_STOP_LOSS_PCT = 0.10  # 7% → 10%
    
효과: 일시적 조정 견딤, 반등 기회 포착
예상: 손절 횟수 -30~40%, 평균 손실 -7.63% → -6%

개선안 2: 기술적 손절 병행
    USE_TECHNICAL_STOPLOSS = True
    USE_FIXED_PCT_STOPLOSS = True
    # 직전 피크 이탈 OR 10% 손절 중 먼저 도달
    
효과: 구조적 하락 조기 포착
예상: 큰 손실(-15% 이상) 50% 감소
""")
    
    print("\n" + "="*70)
    print("🏆 최종 추천: 복합 공격 전략 (HIGH RISK, HIGH RETURN)")
    print("="*70)
    print("""
Phase 1: 매수 신호 강화 (즉시 적용)
    USE_DISPARITY_FILTER = True
    MIN_DISPARITY_PCT = 8.0
    
    GOLDEN_CROSS_CONDITION:
        '5_vs_60': True   (추가)
        '5_vs_112': True  (유지)
    
    REVERSE_ARRAY_CONDITION:
        '60_vs_112': False (완화)

Phase 2: 매도 전략 공격화 (즉시 적용)
    SELL_PROFIT_TAKE_PCT = 0.20      # 15% → 20%
    SELL_PROFIT_TAKE_RATIO = 0.30    # 45% → 30%
    SELL_STOP_LOSS_PCT = 0.10        # 7% → 10%

Phase 3: 트레일링 재설계 (strategy.py 수정 필요)
    if profit < 0.20:
        trailing = None  # 트레일링 비활성화
    elif profit < 0.40:
        trailing = 0.12
    else:
        trailing = 0.15

예상 최종 성과:
    현재: 17%
    Phase 1+2: 30~38% (보수적 추정)
    Phase 1+2+3: 40~55% (공격적 추정)
    
    승률: 65% → 70~75%
    MDD: 현재 + 8~12% (허용 범위)
    Sharpe Ratio: 개선 예상
""")
    
    print("\n" + "="*70)
    print("⚠️ 리스크 관리")
    print("="*70)
    print("""
1. MDD(최대 낙폭) 모니터링:
   - 현재 MDD 확인 필요
   - 공격 전략 시 MDD +10~15% 증가 예상
   - 허용 범위: -25% 이내 권장

2. 백테스트 Out-of-Sample 검증:
   - 2022~2023 최적화 → 2024~2025 검증 필수
   - 오버피팅 방지

3. 단계적 적용:
   - Phase 1만 먼저 적용 → 결과 확인
   - 효과 있으면 Phase 2 추가
   - Phase 3는 strategy.py 수정 후 적용
""")
    
    print("\n" + "="*70)
    print("📊 즉시 적용 가능한 설정 (Phase 1+2)")
    print("="*70)
    print("""
config.py 수정:

# 매수 신호 강화
USE_DISPARITY_FILTER = True
MIN_DISPARITY_PCT = 8.0

GOLDEN_CROSS_CONDITION = {
    '5_vs_20'   : False,
    '5_vs_60'   : True,   # ← 추가
    '5_vs_112'  : True,
    # ... 나머지 동일
}

REVERSE_ARRAY_CONDITION = {
    # ... 
    '60_vs_112' : False,  # ← True → False 완화
    # ... 
}

# 매도 전략 공격화
SELL_PROFIT_TAKE_PCT = 0.20       # 15% → 20%
SELL_PROFIT_TAKE_RATIO = 0.30     # 45% → 30%
SELL_STOP_LOSS_PCT = 0.10         # 7% → 10%
SELL_TRAILING_STOP_LOW_PCT = 0.12 # 8% → 12% (큰 수익까지 버티기)
SELL_TRAILING_STOP_MID_PCT = 0.12 # 8% → 12%
""")


def main() -> None:
    log_path = 'latest_backtest.log'
    
    print("="*80)
    print("🔬 17% 수익률 근본 원인 분석 및 최대 수익률 달성 전략")
    print("="*80)
    
    try:
        buys, sells = parse_trades(log_path)
        print(f"\n총 {len(buys)}회 매수, {len(sells)}회 매도 분석")
        
        analyze_trend_timeline(buys, sells)
        analyze_signal_quality(buys)
        suggest_optimization()
        
    except FileNotFoundError:
        print(f"\n[경고] {log_path} 파일을 찾을 수 없습니다.")
        print("백테스트를 먼저 실행하세요: python main.py")
        suggest_optimization()


if __name__ == '__main__':
    main()