Update app.py

app.py

@@ -118,6 +118,100 @@ def simple_statistical_predict(data, predict_days=5):
     change_pct = ((predicted_price - prices[-1]) / prices[-1]) * 100
     return {'predicted_price': predicted_price, 'change_pct': change_pct, 'confidence': max(0.6, 1 - volatility * 2)}
 
+# 【新增】: 建立一個新的函式來處理 XGBoost 模型的輸入和輸出
+def advanced_xgboost_predict(data, predict_days):
+    """
+    【進階模型橋接函式】
+    - 準備 XGBoost 模型所需的輸入 DataFrame。
+    - 呼叫模型進行預測。
+    - 將模型的輸出格式轉換為主程式所需的格式。
+    """
+    if xgb_model is None or data.empty:
+        return None
+
+    try:
+        # 1. 準備模型所需的特徵 (Features)
+        print("正在準備 XGBoost 模型輸入特徵...")
+        
+        # 獲取外部市場數據
+        external_symbols = {'DJI': '^DJI', 'NAS': '^IXIC', 'SOX': '^SOX', 'S&P_500': '^GSPC', 'TSM_ADR': 'TSM'}
+        df_external = pd.DataFrame(index=data.index)
+        for name, ticker in external_symbols.items():
+            ext_data = yf.download(ticker, start=data.index.min(), end=data.index.max(), progress=False)
+            df_external[name] = ext_data['Close']
+        
+        # 合併所有數據並向前填充缺失值
+        input_df = pd.concat([data, df_external], axis=1)
+        input_df.ffill(inplace=True)
+
+        # 載入並合併景氣燈號和 PMI
+        df_climate = get_business_climate_data()
+        df_pmi = get_pmi_data()
+        input_df = pd.merge(input_df.reset_index(), df_climate, on='Date', how='left', suffixes=('', '_climate')).set_index('Date')
+        input_df = pd.merge(input_df.reset_index(), df_pmi, on='Date', how='left', suffixes=('', '_pmi')).set_index('Date')
+        input_df.rename(columns={'Index': 'business_climate', 'Index_pmi': 'PMI'}, inplace=True)
+        input_df[['business_climate', 'PMI']] = input_df[['business_climate', 'PMI']].ffill()
+
+        # 計算技術指標
+        input_df = calculate_technical_indicators(input_df) # 確保計算指標
+        
+        # 新增新聞情緒分數 (此處為範例，假設從 predictor 取得)
+        # 注意: predictor.get_news_index() 僅返回一個值，需要對齊到時間序列
+        news_score = predictor.get_news_index() if predictor else 0
+        input_df['NEWS'] = news_score if news_score is not None else 0
+        
+        # 新增 'rate' 欄位 (注意：此處為佔位符，您需要提供真實數據源)
+        input_df['rate'] = 1.75 # 範例：假設為固定利率，請替換為真實數據
+
+        # 欄位重新命名以符合模型訓練時的名稱
+        input_df.rename(columns={
+            'Close': 'close', 'Volume': 'volume', 'MACD_Signal': 'MACDsign',
+            'MACD_Histogram': 'MACDvol'
+        }, inplace=True)
+
+        # 確保所有模型需要的欄位都存在
+        columns_to_keep = [
+            'close', 'volume', 'rate', 'DJI', 'NAS', 'SOX', 'S&P_500', 'TSM_ADR', 'NEWS',
+            'RSI', 'MACD', 'MACDsign', 'MACDvol', 'K', 'D', '+DI', '-DI', 'ADX',
+            'business_climate', 'PMI'
+        ]
+        
+        final_input = input_df[columns_to_keep].tail(1)
+
+        if final_input.isnull().values.any():
+            print("警告: 準備好的輸入數據中存在缺失值，無法進行預測。")
+            return None
+
+        # 2. 呼叫模型預測
+        print("呼叫 XGBoost 模型進行預測...")
+        predictions = xgb_model.predict('xgboost_model', final_input)
+
+        # 3. 根據 predict_days 解析輸出
+        day_to_key_map = {
+            1: 'Close_t0_pred', 5: 'Close_t5_pred', 10: 'Close_t10_pred', 20: 'Close_t20_pred'
+        }
+        
+        prediction_key = day_to_key_map.get(predict_days)
+        
+        if prediction_key is None or prediction_key not in predictions:
+            print(f"警告: XGBoost 模型沒有提供 {predict_days} 天的預測結果。")
+            return None
+
+        predicted_price = predictions[prediction_key]
+        current_price = data['Close'].iloc[-1]
+        change_pct = ((predicted_price - current_price) / current_price) * 100
+
+        # 4. 包裝成主程式所需的格式
+        return {
+            'predicted_price': predicted_price,
+            'change_pct': change_pct,
+            'confidence': 0.95 # XGBoost模型通常不直接提供信心度，可給定一個較高的固定值
+        }
+    except Exception as e:
+        print(f"執行 XGBoost 預測時發生錯誤: {e}")
+        return None
+
+
 # 【修改 4】: 建立一個新的函式來處理 XGBoost 模型的輸入和輸出
 # 修正後的 advanced_xgboost_predict 函數
 def advanced_xgboost_predict(data, predict_days):
@@ -187,7 +281,7 @@ def get_prediction(data, predict_days=5):
     """
     if USE_ADVANCED_MODEL:
         print(f"模式: 進階XGBoost模型 | 預測天期: {predict_days}天")
-        # 【修改 5】: 呼叫新的 XGBoost 橋接函式
+        # 【修改】: 呼叫新的 XGBoost 橋接函式
         prediction = advanced_xgboost_predict(data, predict_days)
         # 如果進階模型預測失敗，則自動降級使用簡易模型
         if prediction is not None: