Update app.py

app.py

@@ -2,26 +2,17 @@
 import os
 from datetime import datetime, timedelta
 
-
 # 數據處理
 import pandas as pd
 import numpy as np
 import yfinance as yf
 
 # Dash & Plotly
-from dash import Dash, dcc, html, Input, Output, callback
+from dash import Dash, dcc, html, callback
 import dash
 import plotly.express as px
 import plotly.graph_objects as go
 from plotly.subplots import make_subplots
-import json
-from predictor_logic import StockPredictor
-try:
-    stock_predictor = StockPredictor()
-    print("模型和歷史數據載入成功！")
-except FileNotFoundError as e:
-    print(f"初始化預測器失敗：{e}。請確認您的檔案路徑正確。")
-    stock_predictor = None
 
 # 台股代號對應表 (移除台指期，因為它現在是獨立區塊)
 TAIWAN_STOCKS = {
@@ -590,82 +581,28 @@ app.layout = html.Div([
     })
 ])
 
-# 台指期獨立預測回調函數
-@callback(
+# 台指期獨立預測回調函數 (新版本)
+@app.callback(
     [dash.dependencies.Output('taiex-prediction-results', 'children'),
      dash.dependencies.Output('taiex-prediction-chart', 'figure')],
-    [dash.dependencies.Input('taiex-predict-button', 'n_clicks')]
+    [dash.dependencies.Input('taiex-prediction-period', 'value')]
 )
-def update_taiex_prediction(n_clicks):
-    """
-    這個回調函數使用新匯入的 StockPredictor 類別來執行預測。
-    它會自動抓取最新資料作為模型的輸入，並同時生成預測結果和圖表。
-    """
-    if not n_clicks or not stock_predictor:
-        # 由於需要返回兩個值 (文字和圖表)，當沒有點擊時，回傳空值或預設值
-        return html.Div("請點擊按鈕以載入預測結果。", style={'text-align': 'center', 'margin-top': '20px'}), go.Figure()
+def update_taiex_prediction(predict_days):
+    # 獲取台指期歷史資料
+    data = get_stock_data('^TWII', '2y')
+    if data.empty:
+        return html.Div("無法獲取台指期資料"), {}
 
-    try:
-        # 使用 yfinance 抓取最新的台指期 (^TWII) 資料
-        # 抓取 60 天的資料以提供足夠的圖表背景
-        latest_data = yf.download('^TWII', period='60d', interval='1d')
-        
-        if latest_data.empty:
-            raise ValueError("無法取得最新的台指期資料。")
-        
-        # 取得最後一筆數據的日期，作為 predict 函式的輸入
-        last_date = latest_data.index[-1]
-        
-        # 呼叫預測器物件的 predict 方法
-        predicted_price = stock_predictor.predict(last_date.strftime('%Y-%m-%d'))
-        
-        # --- 繪製預測圖表 ---
-        
-        # 建立一個 Plotly 圖表物件
-        fig = go.Figure()
-        
-        # 添加歷史收盤價
-        fig.add_trace(go.Scatter(
-            x=latest_data.index,
-            y=latest_data['Close'],
-            mode='lines',
-            name='歷史收盤價',
-            line=dict(color='royalblue', width=2)
-        ))
-        
-        # 添加預測點
-        fig.add_trace(go.Scatter(
-            x=[last_date + pd.Timedelta(days=1)],
-            y=[predicted_price],
-            mode='markers+text',
-            name='預測價格',
-            text=[f'{predicted_price:.2f}'],
-            textposition='top center',
-            marker=dict(size=10, color='red')
-        ))
-        
-        # 更新圖表佈局
-        fig.update_layout(
-            title='台指期歷史價格與預測結果',
-            xaxis_title='日期',
-            yaxis_title='收盤價',
-            template='plotly_white',
-            hovermode='x unified'
-        )
-        
-        # --- 準備文字結果 ---
-        
-        result_div = html.Div([
-            html.P("【XGBoost 模型預測】", style={'font-size': '1.5em', 'font-weight': 'bold', 'color': '#28a745'}),
-            html.P(f"最後已知日期：{last_date.strftime('%Y-%m-%d')}", style={'font-size': '1.2em', 'font-weight': 'bold'}),
-            html.P(f"預測隔日收盤價：{predicted_price:.2f}", style={'font-size': '1.5em', 'font-weight': 'bold', 'color': '#17a2b8'})
-        ], style={'text-align': 'center', 'margin-top': '20px'})
-        
-        return result_div, fig
-        
-    except (ValueError, IndexError) as e:
-        return html.Div(f"預測失敗：{e}", style={'text-align': 'center', 'margin-top': '20px', 'color': 'red'}), go.Figure()
+    # 執行最終日的預測，用於顯示在結果卡片上
+    final_prediction = simple_lstm_predict(data, predict_days)
+    if final_prediction is None:
+        return html.Div("資料不足，無法進行預測"), {}
 
+    current_price = data['Close'].iloc[-1]
+    last_date = data.index[-1]
+    predicted_price = final_prediction['predicted_price']
+    change_pct = final_prediction['change_pct']
+    confidence = final_prediction['confidence']
 
     # --- 主要修改處：計算預測路徑 ---
     # 1. 定義不同預測天期所包含的中間節點