Update app.py

app.py

@@ -477,23 +477,60 @@ def update_volume_chart(selected_stock, period):
     fig.update_layout(title=f'{stock_name} 成交量', xaxis_title='日期', yaxis_title='成交量', height=300)
     return fig
 
-# 更新產業分析圖表
+# 更新產業分析圖表 (修改版本 - 自動抓取波動標的)
 @app.callback(
     dash.dependencies.Output('industry-analysis', 'figure'),
-    [dash.dependencies.Input('stock-dropdown', 'value')]
+    [dash.dependencies.Input('stock-dropdown', 'value')] # 這個輸入參數在您原程式碼中，但新邏輯中用不到
 )
 def update_industry_analysis(selected_stock):
+    # 1. 獲取所有股票的近3個月歷史數據，並計算波動性
+    all_stocks_volatility = []
+    # 這裡的 TAIWAN_STOCKS.values() 包含了您所有的股票代碼
+    for symbol in TAIWAN_STOCKS.values():
+        # 這裡獲取3個月的數據來計算波動性，確保數據量足夠
+        data = get_stock_data(symbol, '3mo')
+        if not data.empty and len(data) >= 60: # 確保至少有3個月左右的交易日數據 (約60天)
+            # 計算收盤價的標準差，標準差越大，代表波動性越高
+            volatility = data['Close'].std()
+            stock_name = [name for name, symbol_code in TAIWAN_STOCKS.items() if symbol_code == symbol][0]
+            all_stocks_volatility.append({'股票': stock_name, '代碼': symbol, '波動性': volatility})
+    
+    # 如果沒有任何股票數據，則直接返回空圖表
+    if not all_stocks_volatility:
+        fig = go.Figure().add_annotation(text="無法獲取任何股票數據", showarrow=False)
+        fig.update_layout(title="產業表現分析")
+        return fig
+    
+    # 2. 根據波動性從高到低排序，並選出前10名
+    df_volatility = pd.DataFrame(all_stocks_volatility).sort_values(by='波動性', ascending=False)
+    top_10_volatile_stocks = df_volatility.head(10)['代碼'].tolist()
+    
+    # 3. 針對這前10名股票，重新獲取1個月的數據來計算月報酬率
     industry_data = []
-    for symbol in list(TAIWAN_STOCKS.values())[:10]:
+    for symbol in top_10_volatile_stocks:
         data = get_stock_data(symbol, '1mo')
-        if not data.empty:
+        if not data.empty and len(data) > 1: # 確保有足夠的數據來計算報酬率
             stock_name = [name for name, symbol_code in TAIWAN_STOCKS.items() if symbol_code == symbol][0]
+            # 計算月報酬率
             return_pct = ((data['Close'].iloc[-1] - data['Close'].iloc[0]) / data['Close'].iloc[0]) * 100
             industry_data.append({'股票': stock_name, '代碼': symbol, '月報酬率(%)': return_pct, '產業': INDUSTRY_MAPPING.get(symbol, '其他')})
-    if not industry_data: return {}
+    
+    # 如果篩選後沒有任何數據，也返回空圖表
+    if not industry_data:
+        fig = go.Figure().add_annotation(text="無法計算波動較大股票的月報酬率", showarrow=False)
+        fig.update_layout(title="產業表現分析")
+        return fig
+    
+    # 4. 繪製圓餅圖
     df_industry = pd.DataFrame(industry_data)
-    fig = px.pie(df_industry, values='月報酬率(%)', names='股票', title='各股票月報酬率比較', color_discrete_sequence=px.colors.qualitative.Set3)
+    fig = px.pie(df_industry,
+                 values='月報酬率(%)',
+                 names='股票',
+                 title='月波動較大股票之報酬率比較',
+                 color_discrete_sequence=px.colors.qualitative.Set3)
+    
     fig.update_layout(height=400)
+    
     return fig
 
 # 更新景氣燈號圖表