Update ml_engine/processor.py

ml_engine/processor.py

@@ -1,4 +1,4 @@
-# ml_engine/processor.py (Updated to V6.4 - Fixed V8 Engine Reference)
+# ml_engine/processor.py (Updated to V6.5 - News Score Integration)
 import pandas as pd
 import numpy as np
 from datetime import datetime
@@ -83,7 +83,7 @@ class MLProcessor:
                     base_analysis['whale_data'] = preloaded_whale_data.get(symbol, {'data_available': False, 'reason': 'Not preloaded'})
                 else:
                      base_analysis['whale_data'] = {'data_available': False, 'reason': 'Preloading disabled'}
-
+                
                 # 🔴 (This call now uses the Learning Hub via strategy_engine)
                 strategy_scores, base_scores = await self.strategy_engine.evaluate_all_strategies(base_analysis, self.market_context)
                 base_analysis['strategy_scores'] = strategy_scores
@@ -97,6 +97,7 @@ class MLProcessor:
                     base_analysis['strategy_confidence'] = best_strategy_score
                     base_analysis['target_strategy'] = best_strategy_name if best_strategy_score > 0.3 else 'GENERIC'
                 
+                # 🔴 (V6.5) استدعاء الدالة المحدثة (بدون درجة الأخبار هنا، لأنها تضاف لاحقاً)
                 enhanced_score = self._calculate_enhanced_final_score(base_analysis)
                 base_analysis['enhanced_final_score'] = enhanced_score
                 
@@ -124,14 +125,20 @@ class MLProcessor:
             print(f"❌ Error creating DataFrame: {e}")
             return pd.DataFrame()
 
-    # 🔴 --- START OF CHANGE (V6.3 - EXHAUSTION PENALTY) --- 🔴
+    # 🔴 --- START OF CHANGE (V6.5 - NEWS SCORE WEIGHT) --- 🔴
     def _calculate_enhanced_final_score(self, analysis):
-        """(محدث V6.3) تطبيق 'عامل جزاء الإرهاق' على النتيجة النهائية."""
+        """(محدث V6.5) تطبيق 'عامل جزاء الإرهاق' وإضافة 'درجة الأخبار' (إن وجدت)."""
         try:
             base_score = analysis.get('final_score', 0)
             pattern_confidence = analysis.get('pattern_analysis', {}).get('pattern_confidence', 0)
             strategy_confidence = analysis.get('strategy_confidence', 0)
             
+            # (جديد V6.5) جلب درجة الأخبار (ستكون 0 لمعظم العمليات، إلا عند إعادة الحساب)
+            # (VADER-Compound: -1 to +1) -> (NewsScore: 0 to 1.0)
+            # (نحول الدرجة من -1..+1 إلى 0..+1)
+            raw_news_score = analysis.get('news_score', 0.0) # الافتراضي هو 0.0 (محايد)
+            normalized_news_score = (raw_news_score + 1) / 2
+            
             # --- 1. حساب درجة مونت كارلو (كما في V6.2) ---
             mc_distribution = analysis.get('monte_carlo_distribution')
             monte_carlo_score = 0
@@ -160,22 +167,28 @@ class MLProcessor:
                  if signal.get('action') != 'HOLD' and signal.get('confidence', 0) >= 0.5:
                       whale_confidence = signal.get('confidence', 0)
 
-            # --- 3. حساب النتيجة الموزونة الأولية (كما في V6.2) ---
+            # --- 3. حساب النتيجة الموزونة الأولية (محدث V6.5 بالأوزان الجديدة) ---
             components = []
             weights = []
             
-            if base_score > 0: components.append(base_score); weights.append(0.20)
-            if monte_carlo_score > 0: components.append(monte_carlo_score); weights.append(0.25)
-            if pattern_confidence > 0: components.append(pattern_confidence); weights.append(0.25)
+            # (الأوزان الجديدة التي تدمج الأخبار بـ 0.10)
+            if base_score > 0: components.append(base_score); weights.append(0.15)
+            if monte_carlo_score > 0: components.append(monte_carlo_score); weights.append(0.20)
+            if pattern_confidence > 0: components.append(pattern_confidence); weights.append(0.20)
             if strategy_confidence > 0: components.append(strategy_confidence); weights.append(0.15)
-            if whale_confidence > 0: components.append(whale_confidence); weights.append(0.15)
+            if whale_confidence > 0: components.append(whale_confidence); weights.append(0.20)
+            
+            # (إضافة درجة الأخبار بالوزن 0.10)
+            # (ستكون 0.5 إذا كانت الدرجة الافتراضية 0، وهو ما يعني "محايد" بوزن 0.10)
+            components.append(normalized_news_score); weights.append(0.10)
+
 
             if not components: return 0
             total_weight = sum(weights)
             if total_weight == 0: return 0
             enhanced_score = sum(comp * weight for comp, weight in zip(components, weights)) / total_weight
             
-            # --- 4. (جديد V6.3) تطبيق 'عامل جزاء الإرهاق' ---
+            # --- 4. ( V6.3) تطبيق 'عامل جزاء الإرهاق' ---
             exhaustion_penalty_factor = 1.0
             
             # (جلب البيانات المطلوبة من القاموس)
@@ -247,6 +260,9 @@ class MLProcessor:
             whale_data = c.get('whale_data')
             if whale_data and whale_data.get('data_available'):
                  signal = whale_data.get('trading_signal', {}); print(f"      🐋 Whale: {signal.get('action', 'HOLD')} (Conf: {signal.get('confidence', 0):.2f})")
+            # (V6.5) طباعة درجة الأخبار إن وجدت (للتحقق)
+            if 'news_score' in c:
+                print(f"      📰 News Score: {c['news_score']:.2f}")
         return top_candidates
 
     async def process_multiple_symbols_parallel(self, symbols_data_list, preloaded_whale_data: dict, max_concurrent=5):
@@ -281,4 +297,4 @@ def safe_json_parse(json_string):
             return json.loads(s)
         except json.JSONDecodeError: return None
 
-print("✅ ML Processor loaded - V6.4 (Fixed V8 Engine Reference)")
+print("✅ ML Processor loaded - V6.5 (News Score Integration)")