Update app.py

app.py

@@ -14,14 +14,8 @@ import plotly.express as px
 import plotly.graph_objects as go
 from plotly.subplots import make_subplots
 
-
-
-app = dash.Dash(__name__, suppress_callback_exceptions=True)
-
-
-# 台股代號對應表
+# 台股代號對應表 (移除台指期，因為它現在是獨立區塊)
 TAIWAN_STOCKS = {
-    '台指期': 'TXF=F',  # 台指期貨
     '台積電': '2330.TW',
     '聯發科': '2454.TW',
     '鴻海': '2317.TW',
@@ -34,10 +28,10 @@ TAIWAN_STOCKS = {
     '日月光': '2311.TW',
     '長榮': '2306.TW',
     '慧洋-KY': '2637.TW',
-    '上銀' : '2049.TW',
-    '台泥' : '1101.TW',
-    '譜瑞-KY' :'4966.TW',
-    '貿聯-KY' :'3665.TW'
+    '上銀': '2049.TW',
+    '台泥': '1101.TW',
+    '譜瑞-KY': '4966.TW',
+    '貿聯-KY': '3665.TW'
 }
 
 # 產業分類
@@ -54,10 +48,10 @@ INDUSTRY_MAPPING = {
     '2311.TW': '半導體',
     '2306.TW': '航運',
     '2637.TW': '散裝航運',
-    '2049.TW' : '工具機',
-    '1101.TW' : '營建',
-    '4966.TW' :'高速傳輸',
-    '3665.TW' :'連接器'
+    '2049.TW': '工具機',
+    '1101.TW': '營建',
+    '4966.TW': '高速傳輸',
+    '3665.TW': '連接器'
 }
 
 def get_stock_data(symbol, period='1y'):
@@ -249,14 +243,52 @@ app = dash.Dash(__name__, suppress_callback_exceptions=True)
 app.layout = html.Div([
     html.H1("台股分析儀表板", style={'text-align': 'center', 'margin-bottom': '30px'}),
 
-    # 控制面板
+    # 台指期獨立預測區塊 - 置於頂部
+    html.Div([
+        html.H2("🤖 AI深度學習預測 - 台指期指數", style={
+            'text-align': 'center', 
+            'color': '#FFCC22',
+            'margin-bottom': '25px'
+        }),
+        html.Div([
+            html.Div([
+                html.Label("預測期間:", style={'font-weight': 'bold', 'color': '#FFCC22'}),
+                dcc.Dropdown(
+                    id='taiex-prediction-period',
+                    options=[
+                        {'label': '5日後預測', 'value': 5},
+                        {'label': '10日後預測', 'value': 10},
+                        {'label': '20日後預測', 'value': 20},
+                        {'label': '60日後預測', 'value': 60}
+                    ],
+                    value=5,
+                    style={'margin-bottom': '10px', 'color': '#272727'}
+                )
+            ], style={'width': '30%', 'display': 'inline-block'}),
+
+            html.Div(id='taiex-prediction-results', style={'width': '65%', 'display': 'inline-block', 'margin-left': '5%'})
+        ]),
+
+        html.Div([
+            dcc.Graph(id='taiex-prediction-chart')
+        ], style={'margin-top': '20px'})
+    ], style={
+        'background': 'linear-gradient(135deg, #667eea 0%, #764ba2 100%)',
+        'padding': '25px',
+        'border-radius': '15px',
+        'box-shadow': '0 8px 25px rgba(0,0,0,0.15)',
+        'color': 'white',
+        'margin-bottom': '40px'
+    }),
+
+    # 控制面板 (移除台指期選項)
     html.Div([
         html.Div([
             html.Label("選擇股票:"),
             dcc.Dropdown(
                 id='stock-dropdown',
                 options=[{'label': name, 'value': symbol} for name, symbol in TAIWAN_STOCKS.items()],
-                value='TXF=F',
+                value='2330.TW',  # 預設改為台積電
                 style={'margin-bottom': '10px'}
             )
         ], style={'width': '30%', 'display': 'inline-block', 'vertical-align': 'top'}),
@@ -294,9 +326,6 @@ app.layout = html.Div([
     # 股價資訊卡片
     html.Div(id='stock-info-cards', style={'margin-bottom': '30px'}),
 
-    # AI預測區塊 (只在選擇台指期時顯示)
-    html.Div(id='prediction-section', style={'margin-bottom': '30px'}),
-
     # 主要圖表區域
     html.Div([
         # 左側：股價走勢圖和技術指標
@@ -503,59 +532,13 @@ app.layout = html.Div([
     })
 ])
 
-# 更新AI預測區塊
+# 台指期獨立預測回調函數
 @app.callback(
-    dash.dependencies.Output('prediction-section', 'children'),
-    [dash.dependencies.Input('stock-dropdown', 'value')],
-    prevent_initial_call=False
+    [dash.dependencies.Output('taiex-prediction-results', 'children'),
+     dash.dependencies.Output('taiex-prediction-chart', 'figure')],
+    [dash.dependencies.Input('taiex-prediction-period', 'value')]
 )
-def update_prediction_section(selected_stock):
-    if selected_stock != 'TXF=F':
-        return html.Div()  # 只在選擇台指期時顯示預測功能
-
-    return html.Div([
-        html.H3("🤖 AI深度學習預測 - 台指期指數", style={'text-align': 'center', 'color': '#FFCC22'}),
-        html.Div([
-            html.Div([
-                html.Label("預測期間:", style={'font-weight': 'bold', 'color': '#FFCC22'}),
-                dcc.Dropdown(
-                    id='prediction-period',
-                    options=[
-                        {'label': '5日後預測', 'value': 5},
-                        {'label': '10日後預測', 'value': 10},
-                        {'label': '20日後預測', 'value': 20},
-                        {'label': '60日後預測', 'value': 60}
-                    ],
-                    value=5,
-                    style={'margin-bottom': '10px', 'color': '#272727'}
-                )
-            ], style={'width': '30%', 'display': 'inline-block'}),
-
-            html.Div(id='prediction-results', style={'width': '65%', 'display': 'inline-block', 'margin-left': '5%'})
-        ]),
-
-        html.Div([
-            dcc.Graph(id='prediction-chart')
-        ], style={'margin-top': '20px'})
-    ], style={
-        'background': 'linear-gradient(135deg, #667eea 0%, #764ba2 100%)',
-        'padding': '25px',
-        'border-radius': '15px',
-        'box-shadow': '0 8px 25px rgba(0,0,0,0.15)',
-        'color': 'white'
-    })
-
-# 更新預測結果
-@app.callback(
-    [dash.dependencies.Output('prediction-results', 'children'),
-     dash.dependencies.Output('prediction-chart', 'figure')],
-    [dash.dependencies.Input('prediction-period', 'value'),
-     dash.dependencies.Input('stock-dropdown', 'value')]
-)
-def update_prediction(predict_days, selected_stock):
-    if selected_stock != 'TXF=F':
-        return html.Div(), {}
-
+def update_taiex_prediction(predict_days):
     # 獲取台指期歷史資料
     data = get_stock_data('^TWII', '2y')
     if data.empty:
@@ -720,7 +703,7 @@ def update_price_chart(selected_stock, period, chart_type):
 
     return fig
 
-    # 更新RSI圖表（保持兼容性）
+# 更新RSI圖表（保持兼容性）
 @app.callback(
     dash.dependencies.Output('rsi-chart', 'figure'),
     [dash.dependencies.Input('stock-dropdown', 'value'),
@@ -753,8 +736,6 @@ def update_rsi_chart(selected_stock, period):
 
     return fig
 
-
-
 # 新增：進階技術指標圖表
 @app.callback(
     dash.dependencies.Output('advanced-technical-chart', 'figure'),
@@ -1137,39 +1118,23 @@ def update_analysis_text(selected_stock, period):
 
     # 基本面分析
     industry = INDUSTRY_MAPPING.get(selected_stock, '綜合')
-    if selected_stock == 'TXF=F':
-        fundamental_text = html.Div([
-            html.P([
-                html.Strong("總體經濟："),
-                "台指期反映台股整體表現，當前需關注聯準會政策、國際貿易情勢及台灣出口動能。"
-            ]),
-            html.P([
-                html.Strong("產業輪動："),
-                "觀察半導體、電子等權重產業表現，以及傳統產業復甦力道。"
-            ]),
-            html.P([
-                html.Strong("資金面："),
-                "外資動向、匯率變化及市場流動性為主要觀察重點。"
-            ])
-        ])
-    else:
-        fundamental_text = html.Div([
-            html.P([
-                html.Strong("產業地位："),
-                f"{stock_name}屬於{industry}產業，在產業鏈中具有",
-                html.Span("重要地位" if selected_stock in ['2330.TW', '2454.TW', '2317.TW'] else "一定影響力",
-                         style={'font-weight': 'bold'}),
-                "。"
-            ]),
-            html.P([
-                html.Strong("營運展望："),
-                f"考量{industry}產業前景及公司基本面，建議持續關注季報表現及未來指引。"
-            ]),
-            html.P([
-                html.Strong("風險評估："),
-                "注意產業週期性變化、國際競爭及法規環境變化等風險因子。"
-            ])
+    fundamental_text = html.Div([
+        html.P([
+            html.Strong("產業地位："),
+            f"{stock_name}屬於{industry}產業，在產業鏈中具有",
+            html.Span("重要地位" if selected_stock in ['2330.TW', '2454.TW', '2317.TW'] else "一定影響力",
+                     style={'font-weight': 'bold'}),
+            "。"
+        ]),
+        html.P([
+            html.Strong("營運展望："),
+            f"考量{industry}產業前景及公司基本面，建議持續關注季報表現及未來指引。"
+        ]),
+        html.P([
+            html.Strong("風險評估："),
+            "注意產業週期性變化、國際競爭及法規環境變化等風險因子。"
         ])
+    ])
 
     # 市場展望
     if price_change > 10:
@@ -1429,10 +1394,5 @@ if __name__ == '__main__':
     if not pmi_data.empty:
         print(f"PMI資料預覽：\n{pmi_data.head()}")
 
-    # 在 Colab 中需要使用以下方式啟動
-    app.run(host="0.0.0.0", port=7860, debug=True)
-
-
-
-    # 如果在本地環境執行，使用以下方式
-    # app.run_server(debug=True)
+    # 在 Hugging Face Spaces 中執行
+    app.run_server(host="0.0.0.0", port=7860, debug=False)