"""止盈位被首次触及那一根，价格穿透了多深。

为什么要这个数：影子成交流显示，限价单若正好落在某根的最高价，该价位之上
的主动买成交额只有几十到几千美元——对十万量级的仓位等于不成交。但那是
最坏情形。真实成交率取决于**止盈位被穿透了多深**：若价格一路冲过目标，
成交没问题；若只是上影线点一下就回落，就成交不了。

这个分布不需要再采数据，历史 K 线里就有：给定入场价与 ATR，目标位是
`entry + T×ATR`，找到首次 `high ≥ target` 的那根，穿透深度就是
`high − target`。把它折成「占该根价格区间的比例」，就能直接对上成交流
那条「≥ 限价的成交额 vs 限价在区间中的位置」曲线。

口径与 lib/exit_model.walk_exits 对齐：入场取信号次根开盘价，ATR 取信号
根的 Wilder ATR-14，上限 48 根。

**取样方式的局限**：这里用全体 K 线做候选入场点，而非真实的三滤网信号。
真实信号是按结构条件挑出来的，入场时刻可能与波动率状态相关。以 ATR 归一
后的穿透深度对波动率状态应当不敏感，但要精确到信号级别，得重跑一次
step42 的缠论链路（单币约 370s、峰值 24.5GB）。
"""
from __future__ import annotations

import argparse
from pathlib import Path

import numpy as np
import pandas as pd

SCALE_AT = 3.0          # 分批减仓位
RUNNER = 8.0            # 剩余半仓目标
MAX_BARS = 48


def wilder_atr(high, low, close, period: int = 14) -> np.ndarray:
    """与 chanlun.indicators.ta.ATR 逐位一致的 Wilder ATR。"""
    n = high.size
    out = np.full(n, np.nan)
    if n <= period:
        return out
    prev_close = close[:-1]
    tr = np.maximum.reduce([high[1:] - low[1:],
                            np.abs(high[1:] - prev_close),
                            np.abs(low[1:] - prev_close)])
    sm = np.empty(tr.size)
    sm[period - 1] = tr[:period].mean()
    a = 1.0 / period
    for k in range(period, tr.size):
        sm[k] = sm[k - 1] + a * (tr[k] - sm[k - 1])
    out[period:] = sm[period - 1:]
    return out


def penetration(df: pd.DataFrame, target_atr: float,
                stride: int = 1) -> pd.DataFrame:
    """对每个候选入场点，求首次触及 `target_atr` 时的穿透深度。

    只统计**触及了**的那些（未触及的属止损或超时出场，不涉及 maker 腿）。
    """
    high = df["high"].to_numpy(float)
    low = df["low"].to_numpy(float)
    close = df["close"].to_numpy(float)
    open_ = df["open"].to_numpy(float)
    atr = wilder_atr(high, low, close)
    n = len(df)
    rows = []
    for i in range(20, n - MAX_BARS - 2, stride):
        a = atr[i]
        if not np.isfinite(a) or a <= 0:
            continue
        e = i + 1
        entry = open_[e]
        # 多头：目标在上方。空头对称，穿透深度分布按对称性等价，故只算一边
        target = entry + target_atr * a
        end = e + MAX_BARS
        seg_hi = high[e:end + 1]
        hit = np.flatnonzero(seg_hi >= target)
        if not hit.size:
            continue
        j = e + int(hit[0])
        rng = high[j] - low[j]
        if rng <= 0:
            continue
        pen = high[j] - target
        rows.append({
            "bar": j,
            # 限价在该根价格区间中的位置：0 = 正好在最高价（最坏），
            # 1 = 在最低价（该根全部成交都在限价之上）
            "k": min(1.0, pen / rng),
            "pen_bp": pen / target * 1e4,
            "pen_atr": pen / a,
            "range_bp": rng / target * 1e4,
        })
    return pd.DataFrame(rows)


def report(sym: str, df: pd.DataFrame) -> dict:
    print(f"\n{'=' * 68}\n{sym}  共 {len(df):,} 根 1m")
    out = {}
    for tgt, name in ((SCALE_AT, f"减仓位 {SCALE_AT:g}ATR"),
                      (RUNNER, f"目标位 {RUNNER:g}ATR")):
        p = penetration(df, tgt)
        if p.empty:
            print(f"  {name}: 无触及样本")
            continue
        k = p["k"].to_numpy()
        print(f"\n  {name} · 触及 {len(p):,} 次")
        print(f"    穿透深度  中位 {p['pen_bp'].median():.2f}bp "
              f"({p['pen_atr'].median():.2f} ATR) · "
              f"P25 {p['pen_bp'].quantile(.25):.2f}bp · "
              f"P75 {p['pen_bp'].quantile(.75):.2f}bp")
        print(f"    限价在区间中的位置 k（0=正好在最高价，越大越靠下越易成交）")
        print(f"      中位 {np.median(k):.3f} · P10 {np.percentile(k, 10):.3f}"
              f" · P25 {np.percentile(k, 25):.3f}"
              f" · P75 {np.percentile(k, 75):.3f}")
        for thr in (0.05, 0.10, 0.25, 0.50):
            print(f"      k ≤ {thr:.2f}（限价挤在该根顶部 {thr * 100:.0f}% 内）："
                  f"{float((k <= thr).mean()) * 100:5.1f}% 的触及")
        out[tgt] = p
    return out


def main() -> None:
    ap = argparse.ArgumentParser()
    ap.add_argument("--syms", default="BTC,ETH,SOL")
    ap.add_argument("--cache", default="research/live/cache")
    ap.add_argument("--save", default="research/out/penetration.csv")
    a = ap.parse_args()

    root = Path(a.cache)
    allp = []
    for sym in a.syms.split(","):
        cands = sorted(root.glob(f"bitget_{sym}_1m_*.feather"),
                       key=lambda p: p.stat().st_size, reverse=True)
        if not cands:
            print(f"{sym}: 找不到 1m 缓存，跳过")
            continue
        df = pd.read_feather(cands[0])
        got = report(sym, df)
        for tgt, p in got.items():
            p = p.copy()
            p["sym"], p["target_atr"] = sym, tgt
            allp.append(p)
    if allp:
        out = pd.concat(allp, ignore_index=True)
        Path(a.save).parent.mkdir(parents=True, exist_ok=True)
        out.to_csv(a.save, index=False)
        print(f"\n已存 {a.save}（{len(out):,} 行），"
              f"供 shadow_depth.py 合并成交量曲线")


if __name__ == "__main__":
    main()