Update ml_engine/oracle_engine.py

ml_engine/oracle_engine.py

@@ -16,10 +16,7 @@ CONFIDENCE_THRESHOLD = 0.65
 class OracleEngine:
     def __init__(self, model_dir: str = "ml_models/Unified_Models_V1"):
         """
-        Oracle V4.0: Spot-Only Strategic Brain
-        - يحلل الاتجاه (صعود/هبوط).
-        - يمرر فقط فرص الصعود (Long) للتنفيذ.
-        - يحجب فرص الهبوط (Short) ويعتبرها "مخاطرة" (WAIT).
+        Oracle V4.1: Spot-Only Strategic Brain (Fixed Logging)
         """
         self.model_dir = model_dir
         self.model_direction = None
@@ -28,7 +25,7 @@ class OracleEngine:
         
         self.feature_cols = []
         self.initialized = False
-        print("🧠 [Oracle V4 - Spot] Engine Instance Created.")
+        print("🧠 [Oracle V4.1] Engine Instance Created.")
 
     async def initialize(self):
         """تحميل النماذج وخريطة الميزات"""
@@ -65,24 +62,30 @@ class OracleEngine:
             print(f"❌ [Oracle] Init Error: {e}")
             return False
 
-    # ==========================================================================
-    # 🛠️ هندسة الميزات (مطابقة لـ DataFactory)
-    # ==========================================================================
     def _calculate_snapshot_features(self, df, tf_prefix):
         df = df.copy()
         df['close'] = df['close'].astype(float)
         df['volume'] = df['volume'].astype(float)
         
-        df[f'{tf_prefix}_slope'] = ta.slope(df['close'], length=7)
-        df[f'{tf_prefix}_rsi'] = ta.rsi(df['close'], length=14)
-        atr = ta.atr(df['high'], df['low'], df['close'], length=14)
-        df[f'{tf_prefix}_atr_pct'] = atr / df['close']
-        vol_mean = df['volume'].rolling(20).mean()
-        vol_std = df['volume'].rolling(20).std()
-        df[f'{tf_prefix}_vol_z'] = (df['volume'] - vol_mean) / (vol_std + 1e-9)
-        
-        cols = [f'{tf_prefix}_slope', f'{tf_prefix}_rsi', f'{tf_prefix}_atr_pct', f'{tf_prefix}_vol_z']
-        return df[cols].ffill().bfill()
+        # تجنب الأخطاء إذا كانت البيانات قصيرة جداً
+        if len(df) < 15:
+            return pd.DataFrame()
+
+        try:
+            df[f'{tf_prefix}_slope'] = ta.slope(df['close'], length=7)
+            df[f'{tf_prefix}_rsi'] = ta.rsi(df['close'], length=14)
+            atr = ta.atr(df['high'], df['low'], df['close'], length=14)
+            df[f'{tf_prefix}_atr_pct'] = atr / df['close']
+            vol_mean = df['volume'].rolling(20).mean()
+            vol_std = df['volume'].rolling(20).std()
+            df[f'{tf_prefix}_vol_z'] = (df['volume'] - vol_mean) / (vol_std + 1e-9)
+            
+            cols = [f'{tf_prefix}_slope', f'{tf_prefix}_rsi', f'{tf_prefix}_atr_pct', f'{tf_prefix}_vol_z']
+            # استخدام fillna(0) لضمان عدم وجود قيم فارغة
+            return df[cols].ffill().bfill().fillna(0)
+        except Exception as e:
+            # print(f"⚠️ Feature Calc Error ({tf_prefix}): {e}")
+            return pd.DataFrame()
 
     def _create_feature_vector(self, ohlcv_data: Dict[str, Any], titan_score: float, mc_score: float, pattern_score: float) -> Optional[pd.DataFrame]:
         try:
@@ -106,6 +109,8 @@ class OracleEngine:
                 feats_4h = pd.DataFrame(np.zeros((1, 4)), columns=[f'4h_{c}' for c in ['slope', 'rsi', 'atr_pct', 'vol_z']])
 
             vector = pd.concat([feats_1h, feats_15m, feats_4h], axis=1)
+            
+            # التأكد من أن البيانات الرقمية (Scores) تُمرر بشكل صحيح
             vector['sim_titan_score'] = float(titan_score)
             vector['sim_mc_score'] = float(mc_score)
             vector['sim_pattern_score'] = float(pattern_score)
@@ -113,13 +118,16 @@ class OracleEngine:
             final_vector = pd.DataFrame(columns=self.feature_cols)
             for col in self.feature_cols:
                 if col in vector.columns:
-                    final_vector.at[0, col] = vector[col].iloc[0]
+                    val = vector[col].iloc[0]
+                    # حماية إضافية ضد NaN
+                    final_vector.at[0, col] = float(val) if not pd.isna(val) else 0.0
                 else:
                     final_vector.at[0, col] = 0.0 
             
             return final_vector.astype(float)
 
         except Exception as e:
+            print(f"❌ Vector Creation Error: {e}")
             return None
 
     # ==========================================================================
@@ -128,38 +136,50 @@ class OracleEngine:
     async def predict(self, symbol_data: Dict[str, Any]) -> Dict[str, Any]:
         """تحليل الفرصة: هل هي صالحة للشراء (SPOT)؟"""
         if not self.initialized:
-            return {'action': 'WAIT', 'reason': 'Not initialized'}
+            return {'action': 'WAIT', 'reason': 'Not initialized', 'confidence': 0.0}
 
         try:
             ohlcv = symbol_data.get('ohlcv')
             current_price = symbol_data.get('current_price', 0.0)
-            titan = symbol_data.get('titan_score', 0.5)
-            mc = symbol_data.get('mc_score', 0.5)
-            patt = symbol_data.get('patterns_score', 0.5)
+            
+            # استخراج القيم والتأكد منها (DEBUG)
+            titan = symbol_data.get('titan_score', 0.0)
+            mc = symbol_data.get('mc_score', 0.0)
+            patt = symbol_data.get('patterns_score', 0.0)
+
+            # طباعة تصحيحية لمرة واحدة إذا كانت القيم صفرية بشكل مريب
+            if titan == 0 and patt == 0:
+                 print(f"⚠️ [Oracle Warning] Input scores are ZERO for {symbol_data.get('symbol')}. Check upstream.")
 
             features = self._create_feature_vector(ohlcv, titan, mc, patt)
             if features is None:
-                return {'action': 'WAIT', 'reason': 'Features failed'}
+                return {'action': 'WAIT', 'reason': 'Features failed', 'confidence': 0.0}
 
             # 1. التنبؤ بالاتجاه (Direction)
             # 0=Long (Buy), 1=Short (Drop/Avoid)
             dir_probs = self.model_direction.predict(features)[0] 
             
             if isinstance(dir_probs, (np.ndarray, list)):
-                prob_long = dir_probs[0]
-                prob_short = dir_probs[1]
+                prob_long = float(dir_probs[0])
+                prob_short = float(dir_probs[1])
             else:
-                prob_short = dir_probs
-                prob_long = 1.0 - dir_probs
+                # إذا كانت النتيجة قيمة واحدة (Binary output for Class 1)
+                # نفترض أن Class 1 هو Short (حسب تدريبك السابق) أو العكس.
+                # حسب الكود الأصلي: prob_short = dir_probs
+                prob_short = float(dir_probs)
+                prob_long = 1.0 - prob_short
 
             # --- [SPOT LOGIC ENFORCEMENT] ---
-            # إذا كان احتمال الهبوط (Short) أعلى، فهذا يعني "تجنب العملة".
-            # لا نفتح صفقة Short، بل نقول WAIT.
+            # التصحيح: نعيد قيمة confidence حتى لو كانت الحالة WAIT
+            # لكي تظهر في السجلات (Logs)
+            
             if prob_short > prob_long:
                 return {
                     'action': 'WAIT',
-                    'reason': f'Bearish Forecast (Short Prob: {prob_short:.2f})',
-                    'direction': 'SHORT' # For debugging only
+                    'reason': f'Bearish (Short Prob: {prob_short:.2f})',
+                    'direction': 'SHORT',
+                    'confidence': prob_long, # ✅ إضافة احتمالية الصعود (ستكون منخفضة)
+                    'short_confidence': prob_short
                 }
 
             # إذا وصلنا هنا، فالاتجاه هو LONG (شراء)
@@ -169,8 +189,10 @@ class OracleEngine:
             if confidence < CONFIDENCE_THRESHOLD:
                 return {
                     'action': 'WAIT',
-                    'reason': f'Low Buy Confidence ({confidence:.2f})',
-                    'direction': 'LONG'
+                    'reason': f'Low Confidence ({confidence:.2f})',
+                    'direction': 'LONG',
+                    'confidence': confidence, # ✅ إضافة القيمة للعرض
+                    'short_confidence': prob_short
                 }
 
             # 3. التنبؤ بالأهداف والقوة
@@ -187,8 +209,11 @@ class OracleEngine:
             tp_labels = ['TP1', 'TP2', 'TP3', 'TP4']
             target_profile = tp_labels[tp_class_idx]
 
-            # 4. حساب المستويات السعرية (للاتجاه الصاعد فقط)
+            # 4. حساب المستويات السعرية
             atr_pct_val = features['1h_atr_pct'].iloc[0]
+            # حماية من القيم الصفرية للـ ATR
+            if atr_pct_val == 0: atr_pct_val = 0.02
+
             atr_abs = atr_pct_val * current_price
             
             tp_map = {
@@ -199,11 +224,11 @@ class OracleEngine:
             }
             
             primary_tp = tp_map[target_profile]
-            sl_price = current_price - (1.2 * atr_abs) # وقف الخسارة تحت السعر
+            sl_price = current_price - (1.2 * atr_abs) 
 
             return {
-                'action': 'WATCH',         # إشارة شراء صالحة
-                'action_type': 'BUY',      # دائماً BUY في Spot
+                'action': 'WATCH',         
+                'action_type': 'BUY',      
                 'confidence': float(confidence),
                 'strength': float(strength),
                 'target_class': target_profile,
@@ -215,4 +240,4 @@ class OracleEngine:
 
         except Exception as e:
             print(f"❌ [Oracle] Prediction Error: {e}")
-            return {'action': 'WAIT', 'reason': 'Error'}
+            return {'action': 'WAIT', 'reason': 'Error', 'confidence': 0.0}