Update app.py

app.py

@@ -13,6 +13,14 @@ import dash
 import plotly.express as px
 import plotly.graph_objects as go
 from plotly.subplots import make_subplots
+import json
+from predictor_logic import StockPredictor
+try:
+    stock_predictor = StockPredictor()
+    print("模型和歷史數據載入成功！")
+except FileNotFoundError as e:
+    print(f"初始化預測器失敗：{e}。請確認您的檔案路徑正確。")
+    stock_predictor = None
 
 # 台股代號對應表 (移除台指期，因為它現在是獨立區塊)
 TAIWAN_STOCKS = {
@@ -583,26 +591,42 @@ app.layout = html.Div([
 
 # 台指期獨立預測回調函數 (新版本)
 @app.callback(
-    [dash.dependencies.Output('taiex-prediction-results', 'children'),
-     dash.dependencies.Output('taiex-prediction-chart', 'figure')],
-    [dash.dependencies.Input('taiex-prediction-period', 'value')]
+    # 這裡的 Output 需要根據您儀表板的實際 component id 進行調整
+    # 如果您只顯示單一結果，只需保留 'taiex-prediction' 這個 id 即可
+    Output('taiex-prediction', 'children'),
+    [Input('taiex-predict-button', 'n_clicks')]
 )
-def update_taiex_prediction(predict_days):
-    # 獲取台指期歷史資料
-    data = get_stock_data('^TWII', '2y')
-    if data.empty:
-        return html.Div("無法獲取台指期資料"), {}
-
-    # 執行最終日的預測，用於顯示在結果卡片上
-    final_prediction = simple_lstm_predict(data, predict_days)
-    if final_prediction is None:
-        return html.Div("資料不足，無法進行預測"), {}
+def update_taiex_prediction(n_clicks):
+    """
+    這個回調函數使用新匯入的 StockPredictor 類別來執行預測。
+    它會自動抓取最新資料作為模型的輸入。
+    """
+    if not n_clicks or not stock_predictor:
+        return html.Div("請點擊按鈕以載入預測結果。", style={'text-align': 'center', 'margin-top': '20px'})
+        
+    try:
+        # 使用 yfinance 抓取最新的台指期 (^TWII) 資料作為預測輸入
+        latest_data = yf.download('^TWII', period='5d', interval='1d')
+        
+        if latest_data.empty:
+            raise ValueError("無法取得最新的台指期資料。")
+        
+        # 取得最後一筆數據的日期，作為 predict 函式的輸入
+        last_date = latest_data.index[-1]
+        
+        # 呼叫預測器物件的 predict 方法
+        # predictor_logic.py 會自動從 historical_df 中找到此日期前一筆數據進行預測
+        predicted_price = stock_predictor.predict(last_date.strftime('%Y-%m-%d'))
+        
+        return html.Div([
+            html.P("【XGBoost 模型預測】", style={'font-size': '1.5em', 'font-weight': 'bold', 'color': '#28a745'}),
+            html.P(f"最後已知日期：{last_date.strftime('%Y-%m-%d')}", style={'font-size': '1.2em', 'font-weight': 'bold'}),
+            html.P(f"預測隔日收盤價：{predicted_price:.2f}", style={'font-size': '1.5em', 'font-weight': 'bold', 'color': '#17a2b8'})
+        ], style={'text-align': 'center', 'margin-top': '20px'})
+        
+    except (ValueError, IndexError) as e:
+        return html.Div(f"預測失敗：{e}", style={'text-align': 'center', 'margin-top': '20px', 'color': 'red'})
 
-    current_price = data['Close'].iloc[-1]
-    last_date = data.index[-1]
-    predicted_price = final_prediction['predicted_price']
-    change_pct = final_prediction['change_pct']
-    confidence = final_prediction['confidence']
 
     # --- 主要修改處：計算預測路徑 ---
     # 1. 定義不同預測天期所包含的中間節點