Delete app.py

app.py

@@ -1,235 +0,0 @@
-#!/usr/bin/env python3
-# -*- coding: utf-8 -*-
-
-import logging
-import json
-import os
-import yfinance as yf
-import pandas as pd
-import numpy as np
-import requests
-from telegram.ext import ApplicationBuilder, CommandHandler, CallbackQueryHandler  # تغییر این خط
-from bs4 import BeautifulSoup
-from telegram import Update, InlineKeyboardButton, InlineKeyboardMarkup
-from telegram.ext import Updater, CommandHandler, CallbackQueryHandler, CallbackContext
-from ta import momentum, trend
-from ta.trend import IchimokuIndicator
-from sklearn.preprocessing import MinMaxScaler
-from tensorflow.keras.models import Sequential, load_model
-from tensorflow.keras.layers import LSTM, Dense
-from datetime import datetime
-import sqlite3
-
-# -------------------------------
-# تنظیمات اولیه
-# -------------------------------
-TOKEN = os.getenv("7955893797:AAEn7Rp0KNM3peQBzKLJmruTHh6OHaqmYcA")  # دریافت توکن از متغیر محیطی
-logging.basicConfig(format='%(asctime)s - %(name)s - %(levelname)s - %(message)s', level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-# -------------------------------
-# پایگاه داده SQLite
-# -------------------------------
-def init_db():
-    conn = sqlite3.connect('trading_bot.db')
-    c = conn.cursor()
-    c.execute('''CREATE TABLE IF NOT EXISTS signals
-                 (symbol TEXT, signal TEXT, confidence REAL, timestamp DATETIME)''')
-    conn.commit()
-    conn.close()
-
-init_db()
-
-# -------------------------------
-# سیستم کشینگ داده‌ها
-# -------------------------------
-class DataCache:
-    def __init__(self):
-        self.cache = {}
-    
-    def get(self, symbol):
-        return self.cache.get(symbol)
-    
-    def set(self, symbol, data):
-        self.cache[symbol] = data
-
-cache = DataCache()
-
-# -------------------------------
-# دریافت داده‌ها با سیستم Fallback
-# -------------------------------
-def get_financial_data(symbol):
-    try:
-        # اولویت ۱: Yahoo Finance
-        data = yf.download(symbol, period='2d', interval='5m')
-        if not data.empty:
-            cache.set(symbol, data)
-            return data
-        
-        # اولویت ۲: کش
-        cached_data = cache.get(symbol)
-        if cached_data is not None:
-            return cached_data
-        
-        # اولویت ۳: وب اسکرپینگ
-        headers = {'User-Agent': 'Mozilla/5.0'}
-        url = f"https://www.investing.com/currencies/{symbol.replace('/', '-')}"
-        response = requests.get(url, headers=headers)
-        soup = BeautifulSoup(response.text, 'html.parser')
-        price = float(soup.find('span', {'data-test': 'instrument-price-last'}).text.replace(',', ''))
-        data = pd.DataFrame({'Close': [price]})
-        cache.set(symbol, data)
-        return data
-    
-    except Exception as e:
-        logger.error(f"خطا در دریافت داده: {e}")
-        return pd.DataFrame()
-
-# -------------------------------
-# مدل هوش مصنوعی با آموزش اولیه
-# -------------------------------
-def train_ai_model(symbol='EURUSD=X'):
-    data = yf.download(symbol, period='365d', interval='1h')
-    scaler = MinMaxScaler()
-    scaled_data = scaler.fit_transform(data['Close'].values.reshape(-1,1))
-    
-    X, y = [], []
-    for i in range(60, len(scaled_data)):
-        X.append(scaled_data[i-60:i, 0])
-        y.append(scaled_data[i, 0])
-    
-    X, y = np.array(X), np.array(y)
-    X = np.reshape(X, (X.shape[0], X.shape[1], 1))
-    
-    model = Sequential([
-        LSTM(50, return_sequences=True, input_shape=(X.shape[1], 1)),
-        LSTM(50),
-        Dense(1)
-    ])
-    model.compile(optimizer='adam', loss='mse')
-    model.fit(X, y, epochs=10, batch_size=32)
-    model.save('ai_trader.h5')
-
-# -------------------------------
-# تحلیل تکنیکال پیشرفته
-# -------------------------------
-def advanced_technical_analysis(data):
-    try:
-        analysis = {}
-        analysis['rsi'] = momentum.RSIIndicator(data['Close'], window=14).rsi().iloc[-1]
-        
-        macd = trend.MACD(data['Close'])
-        analysis['macd'] = macd.macd().iloc[-1]
-        analysis['signal_line'] = macd.macd_signal().iloc[-1]
-        
-        ichi = IchimokuIndicator(
-            high=data['High'],
-            low=data['Low'],
-            window1=9,
-            window2=26,
-            window3=52
-        )
-        analysis['tenkan'] = ichi.ichimoku_conversion_line().iloc[-1]
-        analysis['kijun'] = ichi.ichimoku_base_line().iloc[-1]
-        
-        return analysis
-    except Exception as e:
-        logger.error(f"خطا در تحلیل تکنیکال: {e}")
-        return {}
-
-# -------------------------------
-# سیستم تولید سیگنال هوشمند
-# -------------------------------
-def generate_smart_signal(symbol):
-    try:
-        data = get_financial_data(symbol)
-        if data.empty:
-            return "⚠️ خطا در دریافت داده", 0
-        
-        analysis = advanced_technical_analysis(data)
-        model = load_model('ai_trader.h5') if os.path.exists('ai_trader.h5') else None
-        
-        # منطق ترکیب سیگنال‌ها
-        if model:
-            scaler = MinMaxScaler()
-            scaled_data = scaler.fit_transform(data['Close'].values.reshape(-1,1))
-            X = np.array([scaled_data[-60:, 0]])
-            X = np.reshape(X, (X.shape[0], X.shape[1], 1))
-            prediction = model.predict(X)
-            ai_trend = 1 if prediction[0][0] > scaled_data[-1][0] else -1
-        else:
-            ai_trend = 0
-        
-        signal_strength = (
-            0.4 * (1 if analysis['rsi'] < 30 else -1 if analysis['rsi'] > 70 else 0) +
-            0.3 * (1 if analysis['macd'] > analysis['signal_line'] else -1) +
-            0.3 * ai_trend
-        )
-        
-        if signal_strength > 0.7:
-            return "🟢 خرید قوی", round(signal_strength*100)
-        elif signal_strength < -0.7:
-            return "🔴 فروش قوی", round(abs(signal_strength)*100)
-        else:
-            return "⚪ خنثی", 0
-        
-    except Exception as e:
-        logger.error(f"خطا در تولید سیگنال: {e}")
-        return "⚠️ خطای سیستمی", 0
-
-# -------------------------------
-# رابط تلگرام
-# -------------------------------
-def start(update: Update, context: CallbackContext):
-    user = update.effective_user
-    update.message.reply_text(
-        f"سلام {user.first_name}! به پیشرفته‌ترین ربات ترید خوش آمدید! 🚀",
-        reply_markup=main_menu()
-    )
-
-def main_menu():
-    keyboard = [
-        [InlineKeyboardButton("📈 دریافت سیگنال لحظه‌ای", callback_data='get_signal')],
-        [InlineKeyboardButton("⚙ تنظیمات پیشرفته", callback_data='advanced_config')],
-        [InlineKeyboardButton("📊 تاریخچه معاملات", callback_data='trade_history')]
-    ]
-    return InlineKeyboardMarkup(keyboard)
-
-def button_handler(update: Update, context: CallbackContext):
-    query = update.callback_query
-    query.answer()
-    
-    if query.data == 'get_signal':
-        symbols = ['EURUSD=X', 'GBPUSD=X', 'USDJPY=X']
-        for sym in symbols:
-            signal, confidence = generate_smart_signal(sym)
-            query.message.reply_text(
-                f"🔎 نماد: {sym}\n"
-                f"📊 سیگنال: {signal}\n"
-                f"💪 قدرت: {confidence}%\n"
-                f"🕒 زمان: {datetime.now().strftime('%H:%M:%S')}"
-            )
-            # ذخیره در دیتابیس
-            conn = sqlite3.connect('trading_bot.db')
-            c = conn.cursor()
-            c.execute("INSERT INTO signals VALUES (?, ?, ?, ?)",
-                     (sym, signal, confidence, datetime.now()))
-            conn.commit()
-            conn.close()
-
-# -------------------------------
-# اجرای ربات
-# -------------------------------
-if __name__ == "__main__":
-    if not os.path.exists('ai_trader.h5'):
-        train_ai_model()
-        
-    # روش صحیح در نسخه‌های جدید
-    application = Application.builder().token(TOKEN).build()
-    
-    # اضافه کردن هندلرها
-    application.add_handler(CommandHandler("start", start))
-    application.add_handler(CallbackQueryHandler(button_handler))
-    
-    # اجرای ربات
-    application.run_polling()