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

from backtesting import Backtest, Strategy
from backtesting.lib import crossover
from alpaca.data.historical import StockHistoricalDataClient
from alpaca.data.requests import StockBarsRequest
from alpaca.data.timeframe import TimeFrame

# --- 1. DATEN HOLEN ---
load_dotenv()
API_KEY = os.getenv('ALPACA_API_KEY')
SECRET_KEY = os.getenv('ALPACA_SECRET_KEY')

def get_data(symbol, days=365):
    client = StockHistoricalDataClient(API_KEY, SECRET_KEY)
    start_date = datetime.now() - timedelta(days=days)
    request_params = StockBarsRequest(symbol_or_symbols=[symbol], timeframe=TimeFrame.Day, start=start_date)
    df = client.get_stock_bars(request_params).df
    df = df.reset_index(level=0, drop=True)
    df.columns = [c.capitalize() for c in df.columns]
    df.index = df.index.tz_localize(None)
    return df

# --- 2. STRATEGIE MIT OPTIMIERBAREN PARAMETERN ---
class RsiStrategy(Strategy):
    # Diese Klassenvariablen werden von der Optimize-Funktion überschrieben
    rsi_period = 14
    rsi_lower = 30
    rsi_upper = 70

    def init(self):
        # Wichtig: Wir übergeben die Parameter an pandas_ta
        self.rsi = self.I(ta.rsi, pd.Series(self.data.Close), length=self.rsi_period)

    def next(self):
        if crossover(self.rsi, self.rsi_lower):
            self.buy()
        elif crossover(self.rsi_upper, self.rsi):
            if self.position:
                self.position.close()

# --- 3. OPTIMIERUNGS-ENGINE ---
def run_optimized_backtest(symbol):
    data = get_data(symbol)
    bt = Backtest(data, RsiStrategy, cash=10000, commission=0.001)

    print(f"--- Starte Optimierung für {symbol} ---")
    
    # Hier passiert die Magie:
    stats = bt.optimize(
        rsi_period=range(7, 30, 2),      # Teste Perioden von 7 bis 29 in 2er Schritten
        rsi_lower=range(20, 40, 5),      # Teste Kaufsignale von 20 bis 35
        rsi_upper=range(60, 80, 5),      # Teste Verkaufsignale von 60 bis 75
        maximize='Return [%]',           # Wir wollen den höchsten Gewinn (oder 'Sharpe Ratio')
        constraint=lambda p: p.rsi_upper > p.rsi_lower # Logik-Check
    )

    print("\n--- BESTE PARAMETER GEFUNDEN ---")
    print(stats)
    print("\nDetails der besten Strategie:")
    print(f"RSI Periode: {stats._strategy.rsi_period}")
    print(f"RSI Untergrenze: {stats._strategy.rsi_lower}")
    print(f"RSI Obergrenze: {stats._strategy.rsi_upper}")

    # Speichere den Chart der besten Strategie
    bt.plot(filename=f"optimized_report_{symbol}.html", open_browser=False)

if __name__ == "__main__":
    run_optimized_backtest("AAPL")