Update ml_engine/strategies.py

ml_engine/strategies.py

@@ -1,4 +1,4 @@
-# ml_engine/strategies.py
+# ml_engine/strategies.py (مُحدَّث بقواعد تحليل محسنة)
 import asyncio
 
 # الاستيراد من الوحدات الداخلية في نفس المجلد
@@ -48,9 +48,9 @@ class PatternEnhancedStrategyEngine:
         
         if pattern_name in reversal_patterns:
             if direction == 'down': 
-                return ['breakout_momentum', 'trend_following']
+                return ['breakout_momentum', 'trend_following'] # (لصفقات SHORT، لكننا نركز على LONG)
             else: 
-                return ['mean_reversion', 'breakout_momentum']
+                return ['mean_reversion', 'breakout_momentum'] # انعكاس صاعد
         elif pattern_name in continuation_patterns: 
             return ['trend_following', 'breakout_momentum']
         else: 
@@ -61,10 +61,6 @@ class MultiStrategyEngine:
         self.data_manager = data_manager
         self.learning_engine = learning_engine
         
-        # 🔴 ملاحظة: تم إزالة مُهيِئات (constructors) التحليل غير المستخدمة من هنا
-        # الاستراتيجيات تستهلك البيانات المحسوبة مسبقاً من (symbol_data)
-        # التي يوفرها (MLProcessor) الرئيسي
-        
         self.pattern_enhancer = PatternEnhancedStrategyEngine(data_manager, learning_engine)
         
         self.strategies = {
@@ -74,7 +70,7 @@ class MultiStrategyEngine:
             'volume_spike': self._volume_spike_strategy,
             'whale_tracking': self._whale_tracking_strategy,
             'pattern_recognition': self._pattern_recognition_strategy,
-            'hybrid_ai': self._hybrid_ai_strategy
+            'hybrid_ai': self._hybrid_ai_strategy # 🔴 (تم إعادة تصميمها)
         }
     
     async def evaluate_all_strategies(self, symbol_data, market_context):
@@ -85,7 +81,6 @@ class MultiStrategyEngine:
                     market_condition = market_context.get('market_trend', 'sideways_market')
                     optimized_weights = await self.learning_engine.get_optimized_strategy_weights(market_condition)
                 except Exception as e: 
-                    # ❌ لا نستخدم قيم افتراضية، نستخدم الأوزان الأساسية
                     optimized_weights = await self.get_default_weights()
             else:
                 optimized_weights = await self.get_default_weights()
@@ -93,10 +88,14 @@ class MultiStrategyEngine:
             strategy_scores = {}
             base_scores = {}
             
-            for strategy_name, strategy_function in self.strategies.items():
+            # 🔴 تقييم الاستراتيجيات الأساسية أولاً
+            primary_strategies = [s for s in self.strategies.keys() if s != 'hybrid_ai']
+            
+            for strategy_name in primary_strategies:
+                strategy_function = self.strategies[strategy_name]
                 try: 
                     base_score = await strategy_function(symbol_data, market_context)
-                    if base_score is None:  # ❌ إذا فشلت الاستراتيجية، لا نستخدم قيم افتراضية
+                    if base_score is None:
                         continue
                     base_scores[strategy_name] = base_score
                     weight = optimized_weights.get(strategy_name, 0.1)
@@ -104,9 +103,19 @@ class MultiStrategyEngine:
                     strategy_scores[strategy_name] = min(weighted_score, 1.0)
                 except Exception as error:
                     print(f"❌ خطأ في تقييم استراتيجية {strategy_name}: {error}")
-                    # ❌ لا نستخدم أي محاكاة أو قيم افتراضية
                     continue
             
+            # 🔴 تقييم استراتيجية hybrid_ai (الميتا) بعد حساب الدرجات الأساسية
+            try:
+                hybrid_score = await self._hybrid_ai_strategy(symbol_data, market_context, base_scores)
+                if hybrid_score is not None:
+                    base_scores['hybrid_ai'] = hybrid_score
+                    weight = optimized_weights.get('hybrid_ai', 0.1)
+                    strategy_scores['hybrid_ai'] = min(hybrid_score * weight, 1.0)
+            except Exception as e:
+                print(f"❌ خطأ في تقييم استراتيجية hybrid_ai: {e}")
+
+            # تعزيز الأنماط (كما كان)
             pattern_analysis = symbol_data.get('pattern_analysis')
             if pattern_analysis: 
                 strategy_scores = await self.pattern_enhancer.enhance_strategy_with_patterns(
@@ -124,120 +133,159 @@ class MultiStrategyEngine:
             
         except Exception as error:
             print(f"❌ خطأ في تقييم الاستراتيجيات: {error}")
-            # ❌ لا نستخدم أي محاكاة
             return {}, {}
     
     async def get_default_weights(self):
-        """الأوزان الافتراضية للاستراتيجيات - هذه ليست محاكاة ولكن أوزان ابتدائية"""
+        """الأوزان الافتراضية للاستراتيجيات"""
         return {
             'trend_following': 0.15, 
             'mean_reversion': 0.12,
-            'breakout_momentum': 0.18, 
-            'volume_spike': 0.10,
+            'breakout_momentum': 0.20, # زيادة طفيفة
+            'volume_spike': 0.13, # زيادة طفيفة
             'whale_tracking': 0.20, 
-            'pattern_recognition': 0.15,
-            'hybrid_ai': 0.10
+            'pattern_recognition': 0.10, # تقليل طفيف (يتم تعزيزه بالنمط)
+            'hybrid_ai': 0.10 # (الآن استراتيجية ميتا)
         }
     
     async def _trend_following_strategy(self, symbol_data, market_context):
-        """استراتيجية تتبع الاتجاه"""
+        """
+        🔴 (محسنة) استراتيجية تتبع الاتجاه - تركز على الأطر السريعة وقواعد ADX
+        القاعدة: EMA(21) > EMA(50) و ADX > 20
+        """
         try:
             score = 0.0
             indicators = symbol_data.get('advanced_indicators', {})
             
-            for timeframe in ['4h', '1h', '15m']:
+            # التركيز على الأطر الزمنية السريعة (1h, 15m, 5m)
+            for timeframe in ['1h', '15m', '5m']:
                 if timeframe in indicators:
-                    timeframe_indicators = indicators[timeframe]
+                    tf_indicators = indicators[timeframe]
                     
-                    if self._check_ema_alignment(timeframe_indicators): 
-                        score += 0.20
+                    ema_21 = tf_indicators.get('ema_21')
+                    ema_50 = tf_indicators.get('ema_50')
+                    adx = tf_indicators.get('adx', 0)
                     
-                    adx_value = timeframe_indicators.get('adx', 0)
-                    if adx_value > 25: 
-                        score += 0.15
-                    
-                    if (timeframe_indicators.get('ichimoku_conversion', 0) > 
-                        timeframe_indicators.get('ichimoku_base', 0)):
-                        score += 0.10
+                    if ema_21 is not None and ema_50 is not None:
+                        # 1. EMA(21) > EMA(50) (اتجاه صاعد)
+                        if ema_21 > ema_50:
+                            score += 0.2
+                            
+                            # 2. ADX > 20 (الاتجاه قوي)
+                            if adx > 20:
+                                score += 0.1
+                            
+                            # 3. السعر الحالي فوق المتوسطات (تأكيد إضافي)
+                            if symbol_data['current_price'] > ema_21:
+                                score += 0.05
             
+            # تعديل الدرجة النهائية (0.35 * 3 = 1.05 كحد أقصى)
             return min(score, 1.0)
         except Exception as error:
             print(f"❌ خطأ في استراتيجية تتبع الاتجاه: {error}")
-            return None  # ❌ لا نرجع قيمة افتراضية
+            return None
     
     def _check_ema_alignment(self, indicators):
-        """التحقق من محاذاة المتوسطات المتحركة"""
+        # (دالة مساعدة - قد لا تكون مستخدمة في المنطق الجديد)
         required_emas = ['ema_9', 'ema_21', 'ema_50']
         if all(ema in indicators for ema in required_emas): 
             return (indicators['ema_9'] > indicators['ema_21'] > indicators['ema_50'])
         return False
     
     async def _mean_reversion_strategy(self, symbol_data, market_context):
-        """استراتيجية العودة للمتوسط"""
+        """
+        🔴 (محسنة) استراتيجية العودة للمتوسط - أطر متعددة وقاعدة "OR"
+        القاعدة: RSI < 25 أو السعر تحت -2σ Bollinger
+        """
         try:
             score = 0.0
             current_price = symbol_data['current_price']
             indicators = symbol_data.get('advanced_indicators', {})
             
-            if '1h' in indicators:
-                hourly_indicators = indicators['1h']
-                
-                if all(key in hourly_indicators for key in ['bb_upper', 'bb_lower', 'bb_middle']):
-                    position_in_band = (current_price - hourly_indicators['bb_lower']) / (
-                        hourly_indicators['bb_upper'] - hourly_indicators['bb_lower'])
+            # التركيز على الأطر (1h, 15m)
+            for timeframe in ['1h', '15m']:
+                if timeframe in indicators:
+                    tf_indicators = indicators[timeframe]
                     
-                    if position_in_band < 0.1 and hourly_indicators.get('rsi', 50) < 35: 
-                        score += 0.45
-                    if position_in_band > 0.9 and hourly_indicators.get('rsi', 50) > 65: 
-                        score += 0.45
-                
-                rsi_value = hourly_indicators.get('rsi', 50)
-                if rsi_value < 30: 
-                    score += 0.35
-                elif rsi_value > 70: 
-                    score += 0.35
+                    rsi_value = tf_indicators.get('rsi', 50)
+                    bb_lower = tf_indicators.get('bb_lower')
+                    bb_upper = tf_indicators.get('bb_upper') # bb_upper غير مستخدم للشراء، لكن للتحقق
+                    
+                    if bb_lower is None or bb_upper is None:
+                        continue # نحتاج بيانات BB
+
+                    # حساب موقع النطاق (0.0 إلى 1.0)
+                    position_in_band = 0.5 # افتراضي
+                    if (bb_upper - bb_lower) > 0:
+                        position_in_band = (current_price - bb_lower) / (bb_upper - bb_lower)
+
+                    # 1. RSI < 25 (تشبع بيع قوي)
+                    is_rsi_oversold = rsi_value < 25
+                    
+                    # 2. السعر قرب النطاق السفلي لـ BB (مثال: < 0.1 يعادل تقريباً -2σ)
+                    is_bb_oversold = position_in_band < 0.1
+                    
+                    # 3. تطبيق قاعدة "OR"
+                    if is_rsi_oversold or is_bb_oversold:
+                        score += 0.4 # درجة قوية
+                        
+                        # (مكافأة إذا تحققا معاً)
+                        if is_rsi_oversold and is_bb_oversold:
+                            score += 0.2
             
+            # تعديل الدرجة النهائية (0.6 * 2 = 1.2 كحد أقصى)
             return min(score, 1.0)
         except Exception as error:
             print(f"❌ خطأ في استراتيجية العودة للمتوسط: {error}")
-            return None  # ❌ لا نرجع قيمة افتراضية
+            return None
     
     async def _breakout_momentum_strategy(self, symbol_data, market_context):
-        """استراتيجية زخم الاختراق"""
+        """
+        🔴 (محسنة) استراتيجية زخم الاختراق - قواعد صارمة (حجم + زخم + تقلب)
+        القاعدة: اختراق مع حجم > 1.5 * avg_volume(20) + MACD Hist إيجابي + ATR% كافٍ
+        """
         try:
             score = 0.0
+            current_price = symbol_data['current_price']
             indicators = symbol_data.get('advanced_indicators', {})
             
+            # التركيز على الأطر (1h, 15m, 5m)
             for timeframe in ['1h', '15m', '5m']:
                 if timeframe in indicators:
-                    timeframe_indicators = indicators[timeframe]
-                    
-                    volume_ratio = timeframe_indicators.get('volume_ratio', 0)
-                    if volume_ratio > 1.8: 
-                        score += 0.25
-                    elif volume_ratio > 1.3: 
-                        score += 0.15
-                    
-                    if timeframe_indicators.get('macd_hist', 0) > 0: 
-                        score += 0.20
+                    tf_indicators = indicators[timeframe]
                     
-                    if 'vwap' in timeframe_indicators and symbol_data['current_price'] > timeframe_indicators['vwap']: 
-                        score += 0.15
+                    # 1. قاعدة الحجم (volume_ratio هو current_vol / avg_vol)
+                    volume_ratio = tf_indicators.get('volume_ratio', 0)
+                    if volume_ratio < 1.5:
+                        continue # الشرط الأساسي لم يتحقق
+
+                    score += 0.2 # (مكافأة أولية للحجم)
+
+                    # 2. قاعدة الزخم (MACD Histogram إيجابي)
+                    macd_hist = tf_indicators.get('macd_hist', 0)
+                    if macd_hist > 0:
+                        score += 0.1
                     
-                    rsi_value = timeframe_indicators.get('rsi', 50)
-                    if 40 <= rsi_value <= 70: 
-                        score += 0.10
-            
-            if score > 0.2: 
-                score = max(score, 0.4)
+                    # 3. قاعدة التقلب (يجب أن يكون هناك تقلب، مثال: ATR% > 1.5%)
+                    # (نفترض أن 'atr_percent' محسوب في indicators.py)
+                    atr_percent = tf_indicators.get('atr_percent', 0)
+                    if atr_percent > 1.5: # 1.5% تقلب على هذا الإطار الزمني
+                        score += 0.1
+                        
+                    # 4. السعر فوق VWAP (تأكيد إضافي)
+                    vwap = tf_indicators.get('vwap')
+                    if vwap and current_price > vwap:
+                        score += 0.05
             
+            # تعديل الدرجة النهائية (0.45 * 3 = 1.35 كحد أقصى)
             return min(score, 1.0)
         except Exception as error:
             print(f"❌ خطأ في استراتيجية زخم الاختراق: {error}")
-            return None  # ❌ لا نرجع قيمة افتراضية
+            return None
     
     async def _volume_spike_strategy(self, symbol_data, market_context):
-        """استراتيجية ارتفاع الحجم"""
+        """
+        (بدون تغيير جوهري) استراتيجية ارتفاع الحجم - (جيدة للسكالبينغ)
+        """
         try:
             score = 0.0
             indicators = symbol_data.get('advanced_indicators', {})
@@ -245,7 +293,7 @@ class MultiStrategyEngine:
             for timeframe in ['1h', '15m', '5m']:
                 if timeframe in indicators:
                     volume_ratio = indicators[timeframe].get('volume_ratio', 0)
-                    if volume_ratio > 3.0: 
+                    if volume_ratio > 3.0: # ارتفاع كبير جداً
                         score += 0.45
                     elif volume_ratio > 2.0: 
                         score += 0.25
@@ -255,15 +303,18 @@ class MultiStrategyEngine:
             return min(score, 1.0)
         except Exception as error:
             print(f"❌ خطأ في استراتيجية ارتفاع الحجم: {error}")
-            return None  # ❌ لا نرجع قيمة افتراضية
+            return None
     
     async def _whale_tracking_strategy(self, symbol_data, market_context):
-        """استراتيجية تتبع الحيتان"""
+        """
+        (بدون تغيير) استراتيجية تتبع الحيتان - (تعتمد على الخدمة الخارجية)
+        """
         try:
             whale_data = symbol_data.get('whale_data', {})
             if not whale_data.get('data_available', False):
-                return None  # ❌ لا نرجع قيمة افتراضية
+                return None 
             
+            # المنطق مجرد في data_manager/whale_monitor
             whale_signal = await self.data_manager.get_whale_trading_signal(
                 symbol_data['symbol'], whale_data, market_context
             )
@@ -272,63 +323,79 @@ class MultiStrategyEngine:
                 confidence = whale_signal.get('confidence', 0)
                 if whale_signal.get('action') in ['STRONG_BUY', 'BUY']:
                     return min(confidence * 1.2, 1.0)
-                elif whale_signal.get('action') in ['STRONG_SELL', 'SELL']:
-                    return min(confidence * 0.8, 1.0)
+                # (لا نهتم بالبيع في نظام SPOT)
             
-            return None  # ❌ لا نرجع قيمة افتراضية
+            return None
         except Exception as error: 
             print(f"❌ خطأ في استراتيجية تتبع الحيتان: {error}")
-            return None  # ❌ لا نرجع قيمة افتراضية
+            return None
     
     async def _pattern_recognition_strategy(self, symbol_data, market_context):
-        """استراتيجية التعرف على الأنماط"""
+        """
+        (بدون تغيير) استراتيجية التعرف على الأنماط - (تعتمد على MLProcessor)
+        """
         try:
             score = 0.0
             pattern_analysis = symbol_data.get('pattern_analysis')
             
+            # 1. الاعتماد على نتيجة ChartPatternAnalyzer
             if pattern_analysis and pattern_analysis.get('pattern_confidence', 0) > 0.6:
-                score += pattern_analysis.get('pattern_confidence', 0) * 0.8
+                # يجب أن يكون النمط صاعداً
+                if pattern_analysis.get('predicted_direction') == 'up':
+                    score += pattern_analysis.get('pattern_confidence', 0) * 0.8
             else:
+                # (منطق احتياطي إذا فشل تحليل النمط)
                 indicators = symbol_data.get('advanced_indicators', {})
-                for timeframe in ['4h', '1h']:
-                    if timeframe in indicators:
-                        timeframe_indicators = indicators[timeframe]
-                        if (timeframe_indicators.get('rsi', 50) > 60 and 
-                            timeframe_indicators.get('macd_hist', 0) > 0 and 
-                            timeframe_indicators.get('volume_ratio', 0) > 1.5): 
-                            score += 0.35
+                if '1h' in indicators:
+                    tf_indicators = indicators['1h']
+                    if (tf_indicators.get('rsi', 50) > 60 and 
+                        tf_indicators.get('macd_hist', 0) > 0): 
+                        score += 0.3
             
             return min(score, 1.0)
         except Exception as error:
             print(f"❌ خطأ في استراتيجية التعرف على الأنماط: {error}")
-            return None  # ❌ لا نرجع قيمة افتراضية
+            return None
     
-    async def _hybrid_ai_strategy(self, symbol_data, market_context):
-        """استراتيجية الهجين الذكية"""
+    async def _hybrid_ai_strategy(self, symbol_data, market_context, base_scores):
+        """
+        🔴 (محسنة) استراتيجية "الميتا" الهجينة - تقيس "تطابق" الإشارات
+        """
         try:
             score = 0.0
             
-            monte_carlo_probability = symbol_data.get('monte_carlo_probability')
-            if monte_carlo_probability is not None:
-                score += monte_carlo_probability * 0.4
+            # 1. درجة مونت كارلو (أساسية)
+            monte_carlo_prob = symbol_data.get('monte_carlo_probability')
+            if monte_carlo_prob is not None:
+                score += monte_carlo_prob * 0.4 # وزن 40%
             
-            final_score = symbol_data.get('final_score', 0)
-            if final_score > 0:
-                score += final_score * 0.3
+            # 2. درجة توافق الاستراتيجيات (Meta-Score)
+            # (نستخدم base_scores التي تم حسابها في evaluate_all_strategies)
             
-            if market_context.get('btc_sentiment') == 'BULLISH': 
-                score += 0.15
-            elif market_context.get('btc_sentiment') == 'BEARISH': 
-                score -= 0.08
+            breakout_score = base_scores.get('breakout_momentum', 0)
+            volume_score = base_scores.get('volume_spike', 0)
+            whale_score = base_scores.get('whale_tracking', 0)
+            pattern_score = base_scores.get('pattern_recognition', 0)
             
-            pattern_analysis = symbol_data.get('pattern_analysis')
-            if pattern_analysis and pattern_analysis.get('pattern_confidence', 0) > 0.6:
-                pattern_bonus = pattern_analysis.get('pattern_confidence', 0) * 0.15
-                score += pattern_bonus
+            # سيناريو 1: اختراق مدعوم بالحجم
+            if breakout_score > 0.7 and volume_score > 0.6:
+                score += 0.3
+                
+            # سيناريو 2: اختراق مدعوم بالحيتان
+            if breakout_score > 0.6 and whale_score > 0.7:
+                score += 0.4
+                
+            # سيناريو 3: نمط مدعوم بالحجم
+            if pattern_score > 0.7 and volume_score > 0.5:
+                score += 0.2
             
+            # سيناريو 4: كل شيء متوافق (إشارة قوية جداً)
+            if breakout_score > 0.7 and whale_score > 0.7 and volume_score > 0.7:
+                score = 1.0 # إشارة قصوى
+
             return max(0.0, min(score, 1.0))
         except Exception as error:
             print(f"❌ خطأ في استراتيجية الهجين الذكية: {error}")
-            return None  # ❌ لا نرجع قيمة افتراضية
+            return None
 
-print("✅ ML Module: Strategy Engine loaded")
+print("✅ ML Module: Strategy Engine loaded (V2 - Enhanced Logic)")