# pragma pylint: disable=missing-docstring, invalid-name, too-few-public-methods
"""
HyperStrategy — stratégie paramétrable pour optimisation (hyperopt).

Indicateurs fixes (EMA/RSI/ADX/MACD), conditions d'entrée et gestion de sortie
PARAMÉTRÉES → Freqtrade peut optimiser les seuils, le ROI, le stoploss et le trailing.
Méthode honnête : on optimise sur une période d'entraînement puis on VALIDE sur une
période hors-échantillon (test) pour détecter le sur-apprentissage.
"""
from __future__ import annotations

import talib.abstract as ta
from pandas import DataFrame

from freqtrade.strategy import (
    IStrategy,
    IntParameter,
    BooleanParameter,
)


class HyperStrategy(IStrategy):
    INTERFACE_VERSION = 3
    timeframe = "1h"

    # Valeurs par défaut — surchargées par les résultats d'hyperopt.
    minimal_roi = {"0": 0.10, "240": 0.05, "720": 0.02, "1440": 0}
    stoploss = -0.08
    trailing_stop = True
    trailing_stop_positive = 0.02
    trailing_stop_positive_offset = 0.04
    trailing_only_offset_is_reached = True

    startup_candle_count: int = 60
    process_only_new_candles = True
    use_exit_signal = True

    # --- Paramètres optimisables (espace "buy") ---
    buy_rsi_max = IntParameter(60, 80, default=70, space="buy", optimize=True)
    buy_adx_min = IntParameter(15, 40, default=25, space="buy", optimize=True)
    buy_require_trend = BooleanParameter(default=True, space="buy", optimize=True)
    buy_require_macd = BooleanParameter(default=True, space="buy", optimize=True)

    # --- Paramètres optimisables (espace "sell") ---
    sell_rsi_min = IntParameter(20, 50, default=35, space="sell", optimize=True)

    def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        dataframe["ema_fast"] = ta.EMA(dataframe, timeperiod=9)
        dataframe["ema_slow"] = ta.EMA(dataframe, timeperiod=21)
        dataframe["ema_trend"] = ta.EMA(dataframe, timeperiod=50)
        dataframe["adx"] = ta.ADX(dataframe, timeperiod=14)
        dataframe["rsi"] = ta.RSI(dataframe, timeperiod=14)
        macd = ta.MACD(dataframe)
        dataframe["macd"] = macd["macd"]
        dataframe["macdsignal"] = macd["macdsignal"]
        return dataframe

    def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        cond = (
            (dataframe["ema_fast"] > dataframe["ema_slow"])
            & (dataframe["ema_fast"].shift(1) <= dataframe["ema_slow"].shift(1))
            & (dataframe["rsi"] < self.buy_rsi_max.value)
            & (dataframe["adx"] > self.buy_adx_min.value)
            & (dataframe["volume"] > 0)
        )
        if self.buy_require_trend.value:
            cond &= dataframe["close"] > dataframe["ema_trend"]
        if self.buy_require_macd.value:
            cond &= dataframe["macd"] > dataframe["macdsignal"]
        dataframe.loc[cond, "enter_long"] = 1
        return dataframe

    def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        dataframe.loc[
            (
                (dataframe["ema_fast"] < dataframe["ema_slow"])
                & (dataframe["rsi"] < self.sell_rsi_min.value)
                & (dataframe["volume"] > 0)
            ),
            "exit_long",
        ] = 1
        return dataframe