import os
import pandas as pd
import pandas_ta as ta
from dotenv import load_dotenv
from datetime import datetime, timedelta

# Backtesting-Spezialisten
from backtesting import Backtest, Strategy
from backtesting.lib import crossover

# Alpaca API
from alpaca.data.historical import StockHistoricalDataClient
from alpaca.data.requests import StockBarsRequest
from alpaca.data.timeframe import TimeFrame

# --- CONFIG ---
load_dotenv()
API_KEY = os.getenv('ALPACA_API_KEY')
SECRET_KEY = os.getenv('ALPACA_SECRET_KEY')

# --- KLASSE: DATEN-ENGINE ---
class DataEngine:
    @staticmethod
    def get_alpaca_data(symbol, days=365):
        client = StockHistoricalDataClient(API_KEY, SECRET_KEY)
        start_date = datetime.now() - timedelta(days=days)
        
        request = StockBarsRequest(
            symbol_or_symbols=[symbol],
            timeframe=TimeFrame.Day,
            start=start_date
        )
        
        df = client.get_stock_bars(request).df
        df = df.reset_index(level=0, drop=True)
        
        # Formatierung für Backtesting.py (Spalten müssen groß geschrieben sein)
        df.columns = [c.capitalize() for c in df.columns]
        # Zeitzonen entfernen (wichtig für Excel!)
        df.index = df.index.tz_localize(None)
        return df

# --- KLASSE: STRATEGIE (RSI) ---
class MyRsiStrategy(Strategy):
    # Parameter - diese können später optimiert werden
    rsi_period = 25
    rsi_low = 30
    rsi_high = 70

    def init(self):
        # Indikator berechnen (self.I stellt sicher, dass er im Chart erscheint)
        self.rsi = self.I(ta.rsi, pd.Series(self.data.Close), length=self.rsi_period)

    def next(self):
        # KAUFEN: Wenn RSI die untere Grenze von unten nach oben kreuzt
        if crossover(self.rsi, self.rsi_low):
            self.buy()
        
        # VERKAUFEN: Wenn RSI die obere Grenze von oben nach unten kreuzt
        elif crossover(self.rsi_high, self.rsi):
            if self.position:
                self.position.close()

# --- HAUPTPROGRAMM ---
def run_backtest(symbol="AAPL", cash=10000, commission=0.002):
    # 1. Daten laden
    print(f"Lade Daten für {symbol}...")
    data = DataEngine.get_alpaca_data(symbol)

    # 2. Backtest initialisieren
    # commission=0.002 bedeutet 0.2% Gebühren pro Trade
    bt = Backtest(data, MyRsiStrategy, cash=cash, commission=commission)

    # 3. Backtest ausführen
    stats = bt.run()
    
    # --- AUSWERTUNG ---
    print("\n" + "="*30)
    print(f"BACKTEST ERGEBNISSE FÜR {symbol}")
    print("="*30)
    print(f"Startkapital:    {cash}$")
    print(f"Endkapital:      {stats['Equity Final [$]']:.2f}$")
    print(f"Rendite [%]:     {stats['Return [%]']:.2f}%")
    print(f"Max. Drawdown:   {stats['Max. Drawdown [%]']:.2f}%")
    print(f"Anzahl Trades:   {stats['# Trades']}")
    print(f"Win Rate [%]:    {stats['Win Rate [%]']:.2f}%")
    print("="*30)

    # 4. EXPORT: Trades nach Excel
    trades = stats['_trades']
    if not trades.empty:
        # Dauer der Trades berechnen
        trades['Duration'] = trades['ExitTime'] - trades['EntryTime']
        excel_name = f"Backtest_Trades_{symbol}.xlsx"
        trades.to_excel(excel_name)
        print(f"✅ Excel-Liste gespeichert: {excel_name}")

    # 5. EXPORT: Interaktiver HTML Report
    report_name = f"Backtest_Report_{symbol}.html"
    bt.plot(filename=report_name, open_browser=False)
    print(f"✅ Interaktiver Chart gespeichert: {report_name}")

if __name__ == "__main__":
    # Starte den Backtest
    run_backtest(symbol="AAPL", cash=10000)