# pragma pylint: disable=missing-docstring, invalid-name, too-few-public-methods
"""
BBMeanRev — 2e moteur : mean-reversion (Bollinger + RSI), long/short futures.

Logique CONTRAIRE au trend-follower (Ichimoku) → décorrélée par construction :
  LONG  quand le prix casse SOUS la bande basse + RSI survendu (rebond attendu).
  SHORT quand le prix casse AU-DESSUS de la bande haute + RSI suracheté (repli attendu).
  Sortie : retour à la moyenne (bande médiane) + ROI/stop.

But : gagner dans les marchés en range (là où l'Ichimoku perd), pour qu'en
combinaison le ratio rendement/risque monte. Paramétrable pour hyperopt.
"""
from __future__ import annotations

import talib.abstract as ta
from pandas import DataFrame

from freqtrade.strategy import IStrategy, IntParameter


class BBMeanRev(IStrategy):
    INTERFACE_VERSION = 3
    timeframe = "1h"
    can_short = True

    # Mean-reversion = sorties rapides ; valeurs par défaut, surchargées par hyperopt.
    minimal_roi = {"0": 0.03, "60": 0.02, "180": 0.01, "360": 0}
    stoploss = -0.05
    trailing_stop = False

    startup_candle_count: int = 50
    process_only_new_candles = True
    use_exit_signal = True

    buy_rsi = IntParameter(10, 40, default=30, space="buy", optimize=True)
    sell_rsi = IntParameter(60, 90, default=70, space="sell", optimize=True)

    def leverage(self, pair, current_time, current_rate, proposed_leverage,
                 max_leverage, entry_tag, side, **kwargs) -> float:
        return 1.0

    def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        bb = ta.BBANDS(dataframe, timeperiod=20, nbdevup=2.0, nbdevdn=2.0)
        dataframe["bb_lower"] = bb["lowerband"]
        dataframe["bb_mid"] = bb["middleband"]
        dataframe["bb_upper"] = bb["upperband"]
        dataframe["rsi"] = ta.RSI(dataframe, timeperiod=14)
        return dataframe

    def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # LONG : survente (RSI bas) dans la zone basse des bandes
        dataframe.loc[
            (
                (dataframe["rsi"] < self.buy_rsi.value)
                & (dataframe["close"] < dataframe["bb_mid"])
                & (dataframe["volume"] > 0)
            ),
            "enter_long",
        ] = 1
        # SHORT : surchauffe (RSI haut) dans la zone haute des bandes
        dataframe.loc[
            (
                (dataframe["rsi"] > self.sell_rsi.value)
                & (dataframe["close"] > dataframe["bb_mid"])
                & (dataframe["volume"] > 0)
            ),
            "enter_short",
        ] = 1
        return dataframe

    def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # Sortie LONG : RSI revenu vers la moyenne (réversion réalisée)
        dataframe.loc[
            ((dataframe["rsi"] > 50) & (dataframe["volume"] > 0)),
            "exit_long",
        ] = 1
        # Sortie SHORT : RSI revenu vers la moyenne
        dataframe.loc[
            ((dataframe["rsi"] < 50) & (dataframe["volume"] > 0)),
            "exit_short",
        ] = 1
        return dataframe