Update update_predictions.py

update_predictions.py

@@ -28,19 +28,21 @@ Config = {
     "PREDICTION_CACHE": os.path.join("/tmp", "predictions_cache"),
     "CHART_PATH": os.path.join("/tmp", "prediction_chart.png"),
     "HTML_PATH": os.path.join("/tmp", "index.html"),
-    # 核心修改：用“最后推理业务日”替代原IS_TODAY_INFERENCED（记录具体日期而非布尔值）
+    # 核心配置：记录最后推理业务日
     "LAST_INFERENCED_BUSINESS_DATE": None,
+    # 新增：供Flask读取的预测指标
+    "upside_prob": None,          # 上涨概率
+    "vol_amp_prob": None,         # 波动率放大概率
+    "update_time": None,          # 最后更新时间
     "CACHED_RESULTS": {
         "close_preds": None,
         "volume_preds": None,
         "v_close_preds": None,
-        "upside_prob": None,
-        "vol_amp_prob": None,
         "hist_df_for_plot": None
     }
 }
 
-# 补充定义中文字体路径（此时Config已完全定义）
+# 补充定义中文字体路径
 Config["CHINESE_FONT_PATH"] = os.path.join(Config["REPO_PATH"], "fonts", "wqy-microhei.ttf")
 
 # 创建必要目录
@@ -54,7 +56,6 @@ def get_china_time():
     return datetime.now(china_tz)
 
 
-# -------------------------- 新增：业务日判断函数（核心修改） --------------------------
 def get_business_info():
     """
     基于北京时间20点分界，返回当前业务信息
@@ -96,11 +97,10 @@ def load_local_model():
     return predictor
 
 
-# -------------------------- 修改：数据获取日期（基于业务日） --------------------------
 def fetch_stock_data():
     """获取股票数据（基于业务日更新，中国时间），添加数据获取日志"""
     china_now = get_china_time()
-    current_business_date, _ = get_business_info()  # 核心修改：用业务日作为数据结束日期
+    current_business_date, _ = get_business_info()  # 用业务日作为数据结束日期
     end_date = current_business_date.strftime("%Y-%m-%d")
     need_points = Config["VOL_WINDOW"] + Config["VOL_WINDOW"]  # 历史数据+波动率计算窗口
     
@@ -184,7 +184,7 @@ def make_prediction(df, predictor):
         infer_time = time.time() - begin_time
         print(f"[{get_china_time():%Y-%m-%d %H:%M:%S}] 推理完成，耗时{infer_time:.2f}秒")
 
-    # 波动率预测复用收盘价预测结果（保持原逻辑）
+    # 波动率预测复用收盘价预测结果
     close_preds_volatility = close_preds_main
     return close_preds_main, volume_preds_main, close_preds_volatility
 
@@ -222,41 +222,36 @@ def create_plot():
     china_now = get_china_time()
     print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 开始生成预测图表（适配低版本matplotlib字体）")
     
-    # 从缓存获取数据（原有逻辑不变）
+    # 从缓存获取数据
     hist_df_for_plot = Config["CACHED_RESULTS"]["hist_df_for_plot"]
     close_preds = Config["CACHED_RESULTS"]["close_preds"]
     volume_preds = Config["CACHED_RESULTS"]["volume_preds"]
 
-    # -------------------------- 新增：创建画布和子图 --------------------------
+    # 创建画布和子图
     fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8), sharex=True)
-    # -----------------------------------------------------------------------------
 
-    # -------------------------- 修正：低版本matplotlib字体处理 --------------------------
+    # 低版本matplotlib字体处理
     from matplotlib.font_manager import FontProperties
     font_path = Config["CHINESE_FONT_PATH"]
     
     # 检查字体文件是否存在
     if os.path.exists(font_path):
-        # 直接通过FontProperties指定字体文件路径（兼容低版本matplotlib）
         chinese_font = FontProperties(fname=font_path)
         print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 成功加载.ttf字体：{font_path}")
     else:
-        # 字体文件不存在时的 fallback 逻辑
         chinese_font = FontProperties(family='SimHei', size=10)
         print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 字体文件不存在，使用系统默认字体：SimHei")
     
-    # 全局设置字体（确保坐标轴刻度等默认文本也能显示中文）
+    # 全局设置字体
     plt.rcParams["font.family"] = ["sans-serif"]
     plt.rcParams["font.sans-serif"] = ["WenQuanYi Micro Hei", "SimHei", "Heiti TC"]
     plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
-    # -----------------------------------------------------------------------------
 
-    # 绘图时，为所有中文文本显式指定字体（关键）
-    # 1. 价格子图
+    # 价格子图
     hist_time = hist_df_for_plot['timestamps']
     ax1.plot(hist_time, hist_df_for_plot['close'], color='#00274C', linewidth=1.5)
     mean_preds = close_preds.mean(axis=1)
-    # 生成预测时间序列（假设预测是在历史最后一个时间之后的24个交易日）
+    # 生成预测时间序列
     last_hist_time = hist_time.max()
     pred_time = pd.date_range(start=last_hist_time + pd.Timedelta(days=1), periods=Config["PRED_HORIZON"], freq='B')
     ax1.plot(pred_time, mean_preds, color='#FF6B00', linestyle='-')
@@ -266,12 +261,11 @@ def create_plot():
     ax1.set_title(f'{Config["STOCK_CODE"]} 上证指数概率预测（未来{Config["PRED_HORIZON"]}个交易日）', 
                   fontsize=16, weight='bold', fontproperties=chinese_font)
     ax1.set_ylabel('价格（元）', fontsize=12, fontproperties=chinese_font)
-    # 图例指定字体
     ax1.legend(['上证指数（后复权）', '预测均价', '预测区间（最小-最大）'], 
                fontsize=10, prop=chinese_font)
     ax1.grid(True, which='both', linestyle='--', linewidth=0.5)
 
-    # 2. 成交量子图（同理指定字体）
+    # 成交量子图
     ax2.bar(hist_time, hist_df_for_plot['volume']/1e8, color='#00A86B', width=0.6)
     ax2.bar(pred_time, volume_preds.mean(axis=1)/1e8, color='#FF6B00', width=0.6)
     ax2.set_ylabel('成交量（亿手）', fontsize=12, fontproperties=chinese_font)
@@ -297,110 +291,6 @@ def create_plot():
     print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 图表生成完成，保存路径：{chart_path}")
 
 
-def update_html():
-    """更新HTML页面，复用当前业务日缓存的指标，添加HTML更新日志"""
-    china_now = get_china_time()
-    current_business_date, _ = get_business_info()
-    print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 开始更新HTML页面（业务日：{current_business_date}）...")
-    
-    # 1. 从缓存获取指标（增加空值判断，避免报错）
-    upside_prob = Config["CACHED_RESULTS"].get("upside_prob")
-    vol_amp_prob = Config["CACHED_RESULTS"].get("vol_amp_prob")
-    
-    # 处理缓存为空的情况
-    if upside_prob is None or vol_amp_prob is None:
-        print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 警告：缓存中未找到指标数据，无法更新HTML")
-        return
-    
-    # 格式化指标（保留1位小数百分比）
-    upside_prob_str = f'{upside_prob:.1%}'
-    vol_amp_prob_str = f'{vol_amp_prob:.1%}'
-    now_cn_str = china_now.strftime('%Y-%m-%d %H:%M:%S')
-
-    # 2. 初始化HTML（不存在则创建基础模板）
-    html_path = Path(Config["HTML_PATH"])
-    src_html_path = Config["REPO_PATH"] / "templates" / "index.html"
-    
-    if not html_path.exists():
-        html_path.parent.mkdir(parents=True, exist_ok=True)
-        if src_html_path.exists():
-            # 复制项目模板
-            import shutil
-            shutil.copy2(src_html_path, html_path)
-            print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 从项目模板复制HTML：{src_html_path} -> {html_path}")
-        else:
-            # 创建基础中文HTML（确保指标对应的id与正则匹配）
-            base_html = """
-            <!DOCTYPE html>
-            <html>
-            <head>
-                <title>清华大模型Kronos上证指数预测</title>
-                <style>
-                    body { max-width: 1200px; margin: 0 auto; padding: 20px; font-family: "WenQuanYi Micro Hei", Arial; }
-                    .metric { margin: 20px 0; padding: 10px; background: #f5f5f5; border-radius: 5px; }
-                    .metric-value { font-size: 1.2em; color: #0066cc; }
-                    img { max-width: 100%; height: auto; }
-                    h1 { color: #333; }
-                </style>
-            </head>
-            <body>
-                <h1>清华大学K线大模型Kronos上证指数（sh.000001）概率预测</h1>
-                <p>最后更新时间（中国时间）：<strong id="update-time">未更新</strong></p>
-                <p>同   步     网     站：<strong><a href="http://15115656.top" target="_blank">火狼工具站</a></strong></p>
-                <div class="metric">
-                    <p>24个交易日上涨概率：<span class="metric-value" id="upside-prob">--%</span></p>
-                </div>
-                <div class="metric">
-                    <p>波动率放大概率：<span class="metric-value" id="vol-amp-prob">--%</span></p>
-                </div>
-                <div><img src="/prediction_chart.png" alt="上证指数预测图表"></div>
-            </body>
-            </html>
-            """
-            with open(html_path, 'w', encoding='utf-8') as f:
-                f.write(base_html)
-            print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 在/tmp创建基础HTML：{html_path}")
-
-    # 3. 读取HTML内容（确保读取成功）
-    try:
-        with open(html_path, 'r', encoding='utf-8') as f:
-            content = f.read()
-    except Exception as e:
-        print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 读取HTML失败：{str(e)}")
-        return
-
-    # 4. 正则替换（关键：确保re.sub()参数完整）
-    # 替换更新时间
-    content = re.sub(
-        pattern=r'(<strong id="update-time">).*?(</strong>)',
-        repl=lambda m: f'{m.group(1)}{now_cn_str}{m.group(2)}',
-        string=content
-    )
-    # 替换上涨概率（id="upside-prob"，与HTML模板对应）
-    content = re.sub(
-        pattern=r'(<span class="metric-value" id="upside-prob">).*?(</span>)',
-        repl=lambda m: f'{m.group(1)}{upside_prob_str}{m.group(2)}',
-        string=content
-    )
-    # 替换波动率放大概率（id="vol-amp-prob"，与HTML模板对应）
-    content = re.sub(
-        pattern=r'(<span class="metric-value" id="vol-amp-prob">).*?(</span>)',
-        repl=lambda m: f'{m.group(1)}{vol_amp_prob_str}{m.group(2)}',
-        string=content
-    )
-
-    # 5. 写入更新后的HTML
-    try:
-        with open(html_path, 'w', encoding='utf-8') as f:
-            f.write(content)
-        print(f"[{china_now:%Y-%m-%d %H:%M:%S}] HTML更新完成，路径：{html_path}")
-        # 验证替换结果（调试用）
-        print(f"[DEBUG] 上涨概率更新为：{upside_prob_str}")
-        print(f"[DEBUG] 波动率概率更新为：{vol_amp_prob_str}")
-    except Exception as e:
-        print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 写入HTML失败：{str(e)}")
-
-
 def git_commit_and_push():
     """Git提交（仅当Git存在时执行），添加Git操作日志"""
     china_now = get_china_time()
@@ -418,7 +308,7 @@ def git_commit_and_push():
     # 执行Git操作
     try:
         os.chdir(Config["REPO_PATH"])
-        # 复制图表和HTML到Git跟踪目录（若需要）
+        # 复制图表和HTML到Git跟踪目录
         chart_src = Config["CHART_PATH"]
         chart_dst = Config["REPO_PATH"] / "prediction_chart.png"
         html_src = Config["HTML_PATH"]
@@ -452,7 +342,6 @@ def git_commit_and_push():
         print(f"[{china_now:%Y-%m-%d %H:%M:%S}] Git权限错误：{str(e)}，跳过Git操作")
 
 
-# -------------------------- 修改：主任务逻辑（基于业务日判断） --------------------------
 def main_task(model):
     """主任务：控制基于20点分界的业务日推理逻辑，同业务日复用缓存"""
     china_now = get_china_time()
@@ -461,13 +350,11 @@ def main_task(model):
     print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 开始执行主任务")
     print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 当前业务日：{current_business_date}（北京时间{'20点后' if is_after_20h else '20点前'}）")
 
-    # 核心修改：判断当前业务日是否已推理（而非自然日）
+    # 判断当前业务日是否已推理
     if Config["LAST_INFERENCED_BUSINESS_DATE"] == current_business_date:
         print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 当前业务日（{current_business_date}）已完成推理，直接复用缓存结果")
-        # 复用缓存生成图表和HTML
+        # 复用缓存生成图表
         create_plot()
-        update_html()
-        git_commit_and_push()
         print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 主任务完成（复用缓存）")
         print(f"[{china_now:%Y-%m-%d %H:%M:%S}] " + "="*60 + "\n")
         return
@@ -491,24 +378,25 @@ def main_task(model):
             "close_preds": close_preds,
             "volume_preds": volume_preds,
             "v_close_preds": v_close_preds,
-            "upside_prob": upside_prob,
-            "vol_amp_prob": vol_amp_prob,
             "hist_df_for_plot": hist_df_for_plot
         }
-        # 核心修改：标记当前业务日已推理（而非布尔值）
+        
+        # 核心修改：将指标存入Config供Flask读取
+        Config["upside_prob"] = round(upside_prob * 100, 1)  # 转换为百分比并保留1位小数
+        Config["vol_amp_prob"] = round(vol_amp_prob * 100, 1)
+        Config["update_time"] = china_now.strftime('%Y-%m-%d %H:%M:%S')
+        
+        # 标记当前业务日已推理
         Config["LAST_INFERENCED_BUSINESS_DATE"] = current_business_date
         print(f"[{china_now:%Y-%m-%d %H:%M:%S}] 业务日（{current_business_date}）推理结果已缓存，同业务日后续调用将复用")
 
         # 5. 生成图表
         create_plot()
 
-        # 6. 更新HTML
-        update_html()
-
-        # 7. Git提交
+        # 6. Git提交
         git_commit_and_push()
 
-        # 8. 内存回收
+        # 7. 内存回收
         del df_full, df_for_model, hist_df_for_metrics
         gc.collect()
 
@@ -524,7 +412,6 @@ def main_task(model):
         print(f"[{china_now:%Y-%m-%d %H:%M:%S}] " + "="*60 + "\n")
 
 
-# -------------------------- 修改：定时器逻辑（从0点改为20点触发） --------------------------
 def run_scheduler(model):
     """定时器：基于北京时间20点分界触发任务，其他时间5分钟检查一次"""
     china_tz = timezone("Asia/Shanghai")
@@ -534,22 +421,20 @@ def run_scheduler(model):
         china_now = get_china_time()
         current_business_date, is_after_20h = get_business_info()
 
-        # 核心修改：计算下次执行时间（20点触发）
+        # 计算下次执行时间（20点触发）
         if is_after_20h:
-            # 已过当天20点 → 下次执行时间为次日20点
             next_exec_date = (china_now + timedelta(days=1)).date()
         else:
-            # 未过当天20点 → 下次执行时间为当天20点
             next_exec_date = china_now.date()
         
-        # 构造下次执行时间（20:00:05，留5秒缓冲避免毫秒级误差）
+        # 构造下次执行时间（20:00:05，留5秒缓冲）
         next_exec_time = datetime.combine(
             next_exec_date, 
             datetime.strptime("20:00:05", "%H:%M:%S").time(),
             tzinfo=china_tz
         )
 
-        # 计算等待时间（秒），最小等待5分钟（防止时间计算错误导致负数）
+        # 计算等待时间（秒），最小等待5分钟
         sleep_seconds = (next_exec_time - china_now).total_seconds()
         sleep_seconds = max(sleep_seconds, 300)
 
@@ -566,7 +451,6 @@ def run_scheduler(model):
         # 到达执行时间，触发主任务
         try:
             main_task(model)
-            # 无需重置业务日标记（下次判断基于新业务日）
         except Exception as e:
             print(f"[{get_china_time():%Y-%m-%d %H:%M:%S}] 定时器触发任务失败：{str(e)}")
             import traceback
@@ -587,4 +471,5 @@ if __name__ == '__main__':
     main_task(loaded_model)
     
     # 启动定时器（中国时间每天20点执行）
-    run_scheduler(loaded_model)
+    run_scheduler(loaded_model)
+