app/utils/scoring.py

"""Módulo de scoring crediticio unificado."""
import logging
from datetime import datetime
from typing import List, Optional
from app.reports.schemas import (
    ScoreCrediticio, ScoreHistorial,
    PersonReport, CompanyReport, GroupReport
)

logger = logging.getLogger(__name__)

def compute_score(report: PersonReport, history_scores: List[ScoreHistorial] = None) -> ScoreCrediticio:
    """
    Calcula el score crediticio (1-100) para una persona basado en su reporte.
    """
    score = 60  # Base score
    factores = []

    # 1. BCRA Situación Actual
    sit = report.financiero.bcra_situacion_actual
    if sit is None or sit <= 1:
        score += 40
        factores.append("BCRA Situación Normal (Sit. 1 o sin deuda) +40pts")
    elif sit == 2:
        score += 28
        factores.append("BCRA Situación 2 (Seguimiento especial) +28pts")
    elif sit == 3:
        score += 14
        factores.append("BCRA Situación 3 (Con problemas) +14pts")
    elif sit == 4:
        score += 4
        factores.append("BCRA Situación 4 (Alto riesgo de insolvencia) +4pts")
    else:
        # Sit 5 o 6
        factores.append(f"BCRA Situación {sit} (Irrecuperable / Incoobrable) +0pts")

    # 2. Cheques Rechazados
    cant_cheques = len(report.financiero.cheques_rechazados)
    if cant_cheques > 0:
        deduccion = cant_cheques * 5
        score -= deduccion
        factores.append(f"{cant_cheques} Cheques rechazados -{deduccion}pts")

    # 3. Causas Judiciales
    # Consideramos causas judiciales activas (que no tengan estado Terminado/Archivado)
    causas_activas = 0
    for c in report.judicial.causas:
        estado = (c.estado or "").lower()
        if not any(x in estado for x in ["archiv", "termin", "finaliz", "cerrad", "resuelt"]):
            causas_activas += 1
    if causas_activas > 0:
        deduccion = causas_activas * 4
        score -= deduccion
        factores.append(f"{causas_activas} Causas judiciales activas -{deduccion}pts")

    # 4. Inhibiciones / Embargos
    # Usar solo patrimonial.inhibiciones que ya está consolidado (evitar duplicados con judicial)
    inhibiciones_totales = len(report.patrimonial.inhibiciones)
    if inhibiciones_totales > 0:
        deduccion = inhibiciones_totales * 10
        score -= deduccion
        factores.append(f"{inhibiciones_totales} Inhibiciones/Embargos registrados -{deduccion}pts")

    # 5. AFIP Activo (Señal positiva)
    estado_afip = (report.fiscal.estado_afip or "").lower()
    if "activ" in estado_afip:
        score += 5
        factores.append("AFIP Activo +5pts")

    # 6. Antigüedad laboral ANSES
    if report.previsional.tiene_aportes:
        alta_os = report.previsional.fecha_alta_obra_social
        es_antiguo = False
        if alta_os:
            try:
                # Intentamos parsear la fecha de alta. Formatos típicos: YYYY-MM-DD o DD/MM/YYYY
                fecha_alta = None
                for fmt in ("%Y-%m-%d", "%d/%m/%Y", "%Y/%m/%d"):
                    try:
                        fecha_alta = datetime.strptime(alta_os, fmt)
                        break
                    except ValueError:
                        continue
                if fecha_alta:
                    anios = (datetime.now() - fecha_alta).days / 365.25
                    if anios >= 3.0:
                        es_antiguo = True
            except Exception as e:
                logger.debug(f"Error parseando fecha alta obra social: {e}")
        
        # Fallback si no hay fecha pero tiene aportes al día
        if es_antiguo or (report.previsional.aportes_al_dia and not alta_os):
            score += 3
            factores.append("Antigüedad laboral/Aportes > 3 años +3pts")

    # 7. Inmuebles registrados
    cant_inmuebles = len(report.patrimonial.inmuebles)
    if cant_inmuebles > 0:
        puntos_inm = min(6, cant_inmuebles * 2)
        score += puntos_inm
        factores.append(f"{cant_inmuebles} Inmuebles registrados +{puntos_inm}pts (máx +6)")

    # 8. Marcas INPI (solo para empresas; en personas siempre 0)
    cant_marcas = len(getattr(report, "marcas_inpi", []))
    if cant_marcas > 0:
        puntos_marcas = min(4, cant_marcas * 2)
        score += puntos_marcas
        factores.append(f"{cant_marcas} Marcas INPI registradas +{puntos_marcas}pts (máx +4)")

    # Acotar el score final entre 1 y 100
    score_final = max(1, min(100, score))

    # Determinar nivel
    if score_final >= 80:
        nivel = "Excelente"
    elif score_final >= 60:
        nivel = "Bueno"
    elif score_final >= 40:
        nivel = "Regular"
    elif score_final >= 20:
        nivel = "Malo"
    else:
        nivel = "Crítico"

    return ScoreCrediticio(
        valor=score_final,
        nivel=nivel,
        historial=history_scores or [],
        factores=factores
    )


def compute_company_score(report: CompanyReport, history_scores: List[ScoreHistorial] = None) -> ScoreCrediticio:
    """
    Calcula el score crediticio (0-1000) para una empresa/ persona jurídica.
    Replica la lógica del frontend: base 950, penalizaciones por BCRA, cheques y causas.
    """
    score = 950
    factores = []

    # 1. BCRA Situación Actual
    sit = report.financiero.bcra_situacion_actual
    if sit is None or sit <= 1:
        factores.append("BCRA Situación Normal +0pts")
    elif sit == 2:
        score -= 150
        factores.append("BCRA Situación 2 -150pts")
    elif sit == 3:
        score -= 300
        factores.append("BCRA Situación 3 -300pts")
    elif sit == 4:
        score -= 500
        factores.append("BCRA Situación 4 -500pts")
    elif sit >= 5:
        score -= 750
        factores.append(f"BCRA Situación {sit} -750pts")

    # 2. Cheques Rechazados (máx -250)
    cant_cheques = len(report.financiero.cheques_rechazados)
    if cant_cheques > 0:
        deduccion = min(250, cant_cheques * 50)
        score -= deduccion
        factores.append(f"{cant_cheques} Cheques rechazados -{deduccion}pts (máx -250)")

    # 3. Causas Judiciales (máx -200)
    cant_causas = len(report.judicial.causas)
    if cant_causas > 0:
        deduccion = min(200, cant_causas * 40)
        score -= deduccion
        factores.append(f"{cant_causas} Causas judiciales -{deduccion}pts (máx -200)")

    # 4. AFIP Activo (bonus)
    estado_afip = (report.fiscal.estado_afip or "").lower()
    if "activ" in estado_afip:
        score += 20
        factores.append("AFIP Activo +20pts")

    # 5. IGJ inscripto (bonus)
    if report.igj.numero_inscripcion:
        score += 10
        factores.append("IGJ Inscripto +10pts")

    # Acotar entre 0 y 1000
    score_final = max(0, min(1000, score))

    # Determinar nivel
    if score_final >= 700:
        nivel = "Excelente"
    elif score_final >= 450:
        nivel = "Medio"
    else:
        nivel = "Crítico"

    return ScoreCrediticio(
        valor=score_final,
        nivel=nivel,
        historial=history_scores or [],
        factores=factores
    )


def compute_group_score(report: GroupReport, history_scores: List[ScoreHistorial] = None) -> ScoreCrediticio:
    """
    Calcula el score crediticio (0-1000) para un grupo económico (titular + empresas + vehículos).
    Replica la lógica del frontend: base 950, penalizaciones por BCRA/riesgos, bonus por vehículos.
    """
    score = 950
    factores = []

    # 1. BCRA del titular
    sit = report.target.financiero.bcra_situacion_actual
    if sit is None or sit <= 1:
        factores.append("BCRA Titular Normal +0pts")
    elif sit == 2:
        score -= 150
        factores.append("BCRA Titular Sit. 2 -150pts")
    elif sit == 3:
        score -= 300
        factores.append("BCRA Titular Sit. 3 -300pts")
    elif sit == 4:
        score -= 500
        factores.append("BCRA Titular Sit. 4 -500pts")
    elif sit >= 5:
        score -= 750
        factores.append(f"BCRA Titular Sit. {sit} -750pts")

    # 2. Riesgos consolidados (máx -300)
    total_riesgos = len(report.riesgo_consolidado)
    if total_riesgos > 0:
        deduccion = min(300, total_riesgos * 60)
        score -= deduccion
        factores.append(f"{total_riesgos} Riesgos consolidados -{deduccion}pts (máx -300)")

    # 3. Vehículos vinculados (bonus, máx +100)
    cant_vehiculos = len(report.vehiculos_vinculados)
    if cant_vehiculos > 0:
        bonus = min(100, cant_vehiculos * 25)
        score += bonus
        factores.append(f"{cant_vehiculos} Vehículos vinculados +{bonus}pts (máx +100)")

    # 4. Empresas vinculadas (bonus si están activas)
    empresas_activas = 0
    for e in report.empresas_vinculadas:
        if "activ" in (e.fiscal.estado_afip or "").lower():
            empresas_activas += 1
    if empresas_activas > 0:
        bonus = min(50, empresas_activas * 25)
        score += bonus
        factores.append(f"{empresas_activas} Empresas activas +{bonus}pts (máx +50)")

    # Acotar entre 0 y 1000
    score_final = max(0, min(1000, score))

    # Determinar nivel
    if score_final >= 700:
        nivel = "Excelente"
    elif score_final >= 450:
        nivel = "Medio"
    else:
        nivel = "Crítico"

    return ScoreCrediticio(
        valor=score_final,
        nivel=nivel,
        historial=history_scores or [],
        factores=factores
    )