#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""เทียบ variant + เช็คว่า BUY-only/SELL-only run แยก ให้ผลตรงกับการ split ใน analysis"""
import pandas as pd, numpy as np, math
PT=0.01
def load(p):
    d=pd.read_csv(p); d["datetime"]=pd.to_datetime(d["datetime"],format="%Y.%m.%d %H:%M"); return d
def prop_z(k1,n1,k2,n2):
    if not n1 or not n2: return float("nan")
    p=(k1+k2)/(n1+n2); se=math.sqrt(p*(1-p)*(1/n1+1/n2))
    return (k1/n1-k2/n2)/se if se>0 else float("nan")
def boot(v,n=10000):
    v=np.asarray(v,float); r=np.random.default_rng(7)
    if len(v)==0: return (np.nan,np.nan)
    m=v[r.integers(0,len(v),(n,len(v)))].mean(1); return np.percentile(m,2.5),np.percentile(m,97.5)

print("="*78)
print("A) ความไวต่อกฎ 'แท่งไส้หลังซิกปิดไปทางไหน' (GLOSSARY §4.1b — โค้ชขัดกันตรงๆ)")
print("="*78)
print(f"{'variant':<34}{'N sig':>7}{'rate B':>9}{'95%CI':>18}{'CTRL':>8}{'z':>7}")
print("-"*78)
for f,nm in [("data/maepla_l0_all.csv","OPPOSITE (โมจา) = default"),
             ("data/maepla_l0_kaew.csv","SAME (ลูกแก้ว)"),
             ("data/maepla_l0_any.csv","ANY (ไม่บังคับทิศปิด)")]:
    d=load(f); s=d[(d.kind=="SIG")&(d.status==0)]; c=d[d.kind=="CTRL"]
    lo,hi=boot(s.tp1_before_sl.values)
    z=prop_z(int(s.tp1_before_sl.sum()),len(s),int(c.tp1_before_sl.sum()),len(c))
    print(f"{nm:<34}{len(s):>7}{s.tp1_before_sl.mean()*100:>8.1f}%   [{lo*100:5.1f}%,{hi*100:5.1f}%]{c.tp1_before_sl.mean()*100:>7.1f}%{z:>7.2f}")
print("-"*78)
print("   → ไม่มี variant ไหนแตะเกณฑ์ผ่าน 22% เลย · ทุกตัวอยู่ในกรอบ baseline สุ่ม\n")

print("="*78)
print("B) ตรวจสอบว่า 'รันแยก BUY-only / SELL-only' ให้ผลเท่ากับการ split ใน analysis")
print("="*78)
d=load("data/maepla_l0_all.csv")
for f,dname in [("data/maepla_l0_buyonly.csv","BUY"),("data/maepla_l0_sellonly.csv","SELL")]:
    sep=load(f); s_sep=sep[(sep.kind=="SIG")&(sep.status==0)]
    s_all=d[(d.kind=="SIG")&(d.status==0)&(d.direction==dname)]
    same_n = len(s_sep)==len(s_all)
    same_r = abs(s_sep.tp1_before_sl.mean()-s_all.tp1_before_sl.mean())<1e-12
    print(f"  {dname:<6} รันแยก N={len(s_sep):4d} rate={s_sep.tp1_before_sl.mean()*100:5.2f}%  |  "
          f"split N={len(s_all):4d} rate={s_all.tp1_before_sl.mean()*100:5.2f}%  →  "
          f"{'ตรงกันเป๊ะ' if (same_n and same_r) else 'ไม่ตรง !!'}")
print("  (ยืนยัน: ระดับ 0 ไม่มี interaction ระหว่างฝั่ง — 1 run = 3 run)\n")

print("="*78)
print("C) การเซ็นเซอร์ของหน้าต่าง 20 แท่ง (ถ้าโดนตัดเยอะ ผลการแข่งจะเพี้ยน)")
print("="*78)
d=load("data/maepla_l0_all.csv")
for nm,g in [("SIG",d[(d.kind=="SIG")&(d.status==0)]),("CTRL",d[d.kind=="CTRL"])]:
    none=((g.min_to_tp1<0)&(g.min_to_sl300<0)).mean()
    print(f"  {nm:<5} ไม่ถึงทั้ง TP1 และ SL ภายใน 20 แท่ง : {none*100:.1f}%   "
          f"(hit TP1 {g.hit_tp1.mean()*100:.1f}% / hit SL {g.hit_sl.mean()*100:.1f}%)")
print("  → ทั้งสองชุดโดนเซ็นเซอร์เท่ากัน การเทียบยังยุติธรรม\n")

print("="*78)
print("D) การสอบเทียบเครื่องวัด (ต้องผ่าน ไม่งั้นผลทั้งหมดใช้ไม่ได้)")
print("="*78)
c=d[d.kind=="CTRL"]
print(f"  baseline CTRL ที่ SL300/TP1500 = {c.tp1_before_sl.mean()*100:.2f}%   "
      f"vs null ทฤษฎี random walk 16.67%   ต่าง {c.tp1_before_sl.mean()*100-16.67:+.2f}pp")
print(f"  CTRL BUY {c[c.direction=='BUY'].tp1_before_sl.mean()*100:.1f}% vs "
      f"CTRL SELL {c[c.direction=='SELL'].tp1_before_sl.mean()*100:.1f}%  "
      f"← drift ทองขาขึ้นโผล่ตรงที่ควรโผล่ (เครื่องวัดจับของจริงได้)")
print(f"  race ตัดสินด้วย M1 : {(d.race_src=='M1').mean()*100:.1f}%  (ไม่มี fallback H4)")
print("="*78)