"""Konfiguration: YAML laden, ``${ENV}``-Platzhalter auflösen, per pydantic validieren."""

from __future__ import annotations

import os
import re
from enum import Enum
from pathlib import Path
from typing import Any

import yaml
from pydantic import BaseModel, ConfigDict, Field, field_validator, model_validator

_ENV_PATTERN = re.compile(r"\$\{([A-Za-z_][A-Za-z0-9_]*)(?::-([^}]*))?\}")

LIVE_CONFIRMATION_PHRASE = "I_UNDERSTAND_THE_RISK"

# Felder, die niemals über das Netz ausgeliefert oder entgegengenommen werden. Sie werden
# im Dashboard maskiert angezeigt und bleiben ausschließlich über die Umgebung setzbar.
SECRET_FIELDS: frozenset[str] = frozenset(
    {"exchange.api_key", "exchange.api_secret", "exchange.password", "exchange.uid"}
)

# Felder, deren Änderung erst nach einem Neustart greift: Sie werden beim Aufbau der
# Laufzeitobjekte einmalig ausgewertet (Börsenclient, Broker, Datenbank, Socket …).
RESTART_REQUIRED: frozenset[str] = frozenset(
    {
        "mode",
        "live_confirmation",
        "market.symbols",
        "market.timeframe",
        "market.history_bars",
        "paper.starting_balance",
        "paper.quote_currency",
        # Wirkt erst beim nächsten Start – der aktuelle Handelszustand bleibt, wie er ist.
        "trading.autostart",
        "strategy.name",
        "strategy.learner.enabled",
        "strategy.learner.model_path",
        "strategy.learner.replay_size",
        "storage.database_path",
        "storage.overrides_path",
        "server.enabled",
        "server.host",
        "server.port",
        "server.enable_metrics",
    }
)

# Ganze Abschnitte, die nur beim Start ausgewertet werden.
RESTART_REQUIRED_PREFIXES: tuple[str, ...] = ("exchange.", "backtest.")


def requires_restart(path: str) -> bool:
    return path in RESTART_REQUIRED or path.startswith(RESTART_REQUIRED_PREFIXES)


def is_secret(path: str) -> bool:
    return path in SECRET_FIELDS


class Mode(str, Enum):
    PAPER = "paper"
    LIVE = "live"
    BACKTEST = "backtest"


class _Base(BaseModel):
    model_config = ConfigDict(extra="forbid")


class ExchangeConfig(_Base):
    """Anbindung an eine Börse. ``id`` ist eine beliebige ccxt-Exchange-ID."""

    id: str = "binance"
    api_key: str | None = None
    api_secret: str | None = None
    password: str | None = None  # OKX, KuCoin, Coinbase Advanced ...
    uid: str | None = None
    sandbox: bool = True
    enable_rate_limit: bool = True
    timeout_ms: int = Field(default=20_000, ge=1_000)
    options: dict[str, Any] = Field(default_factory=lambda: {"defaultType": "spot"})

    @field_validator("id")
    @classmethod
    def _lower(cls, v: str) -> str:
        return v.strip().lower()

    def has_credentials(self) -> bool:
        return bool(self.api_key and self.api_secret)


class MarketConfig(_Base):
    symbols: list[str] = Field(default_factory=lambda: ["BTC/USDT"])
    timeframe: str = "5m"
    history_bars: int = Field(default=500, ge=60, le=5_000)
    poll_interval_seconds: float = Field(default=20.0, gt=0)

    @field_validator("symbols")
    @classmethod
    def _non_empty(cls, v: list[str]) -> list[str]:
        if not v:
            raise ValueError("market.symbols darf nicht leer sein")
        return [s.strip().upper() for s in v]


class PaperConfig(_Base):
    """Parameter des simulierten Brokers."""

    starting_balance: float = Field(default=10_000.0, gt=0)
    quote_currency: str = "USDT"
    fee_rate: float = Field(default=0.001, ge=0, le=0.05)
    slippage_bps: float = Field(default=5.0, ge=0, le=500)
    # Teilausführungen bei zu großem Ordervolumen relativ zum Bar-Volumen
    max_volume_participation: float = Field(default=0.1, gt=0, le=1.0)


class RiskConfig(_Base):
    max_position_pct: float = Field(default=0.2, gt=0, le=1.0)
    max_total_exposure_pct: float = Field(default=0.6, gt=0, le=1.0)
    max_open_positions: int = Field(default=3, ge=1)
    stop_loss_atr_mult: float = Field(default=2.0, ge=0)
    take_profit_atr_mult: float = Field(default=3.0, ge=0)
    trailing_stop_atr_mult: float = Field(default=0.0, ge=0)
    max_holding_bars: int = Field(default=0, ge=0)  # 0 = unbegrenzt
    max_daily_loss_pct: float = Field(default=0.05, ge=0, le=1.0)
    max_drawdown_pct: float = Field(default=0.25, ge=0, le=1.0)
    min_notional: float = Field(default=10.0, ge=0)
    cooldown_bars_after_exit: int = Field(default=3, ge=0)


class RuleConfig(_Base):
    fast_ema: int = Field(default=12, ge=2)
    slow_ema: int = Field(default=26, ge=3)
    rsi_period: int = Field(default=14, ge=2)
    rsi_oversold: float = Field(default=35.0, ge=1, le=99)
    rsi_overbought: float = Field(default=70.0, ge=1, le=99)
    atr_period: int = Field(default=14, ge=2)
    trend_filter_period: int = Field(default=100, ge=0)  # 0 = aus
    # Mindesthaltedauer für signalbasierte Ausstiege. Verhindert, dass ein frischer
    # Einstieg sofort wieder ausgestoppt wird. Stop-Loss und Take-Profit gelten immer.
    min_holding_bars: int = Field(default=3, ge=0)

    @model_validator(mode="after")
    def _ema_order(self) -> RuleConfig:
        if self.fast_ema >= self.slow_ema:
            raise ValueError("strategy.rules.fast_ema muss kleiner als slow_ema sein")
        return self


class LearnerConfig(_Base):
    """Online-Lernen: Bewertung von Einstiegssignalen anhand realisierter Ergebnisse."""

    enabled: bool = True
    model_path: str = "/data/models/adaptive.npz"
    entry_threshold: float = Field(default=0.55, ge=0.0, le=1.0)
    exploration_rate: float = Field(default=0.05, ge=0.0, le=1.0)
    learning_rate: float = Field(default=0.02, gt=0)
    l2: float = Field(default=1e-4, ge=0)
    replay_size: int = Field(default=5_000, ge=100)
    batch_size: int = Field(default=64, ge=1)
    train_every_n_samples: int = Field(default=5, ge=1)
    warmup_samples: int = Field(default=200, ge=1)
    label_horizon_bars: int = Field(default=12, ge=1)
    label_target_bps: float = Field(default=30.0, ge=0)
    trade_sample_weight: float = Field(default=3.0, gt=0)
    # Einstiegssignale sind selten. Zusätzliche Stichproben des Marktzustands beschleunigen
    # die Aufwärmphase erheblich (0 = aus).
    background_sample_every_n_bars: int = Field(default=10, ge=0)
    background_sample_weight: float = Field(default=0.5, gt=0)
    # Beim Start ein noch untrainiertes Modell aus der Kurshistorie vorlernen, statt
    # tagelang auf genügend Live-Beobachtungen zu warten (0 = aus).
    bootstrap_bars: int = Field(default=3_000, ge=0)
    freeze_in_live: bool = False
    save_every_n_updates: int = Field(default=50, ge=1)


class StrategyConfig(_Base):
    name: str = "adaptive"  # adaptive | rules
    rules: RuleConfig = Field(default_factory=RuleConfig)
    learner: LearnerConfig = Field(default_factory=LearnerConfig)

    @field_validator("name")
    @classmethod
    def _known(cls, v: str) -> str:
        v = v.strip().lower()
        if v not in {"adaptive", "rules"}:
            raise ValueError("strategy.name muss 'adaptive' oder 'rules' sein")
        return v


class TradingConfig(_Base):
    """Steuerung des automatisierten Handels."""

    # true = der Bot handelt ab dem Start automatisch (bisheriges Verhalten).
    # false = er sammelt Daten und lernt, eröffnet aber erst nach Freigabe Positionen.
    autostart: bool = True
    # Nur für mode: live – verlangt beim Einschalten über das Dashboard eine
    # ausdrückliche Bestätigung im Request-Body.
    require_confirmation_for_live: bool = True


class StorageConfig(_Base):
    database_path: str = "/data/trademind.sqlite3"
    # Im Dashboard geänderte Werte. Liegt bewusst im beschreibbaren Datenvolume, weil
    # die Konfigurationsdatei üblicherweise read-only eingehängt ist.
    overrides_path: str = "/data/config.overrides.yaml"


class ServerConfig(_Base):
    enabled: bool = True
    host: str = "0.0.0.0"
    port: int = Field(default=8080, ge=1, le=65535)
    enable_metrics: bool = True
    # Steuerbefehle (Training anstoßen, Lernen ein-/ausschalten) über das Dashboard.
    enable_control: bool = True
    # Wenn gesetzt, verlangen alle Steuerbefehle den Header X-TradeMind-Token.
    # Dringend empfohlen, sobald der Port nicht nur lokal erreichbar ist.
    control_token: str | None = None

    @property
    def publicly_reachable(self) -> bool:
        return self.host not in ("127.0.0.1", "localhost", "::1")


class NotificationConfig(_Base):
    webhook_url: str | None = None
    notify_on_trade: bool = True
    notify_on_risk_halt: bool = True


class BacktestConfig(_Base):
    start: str | None = None  # ISO-8601, z.B. 2024-01-01T00:00:00Z
    end: str | None = None
    bars: int = Field(default=5_000, ge=100)
    csv_dir: str | None = None  # optional: OHLCV aus CSV statt von der Börse


class Config(_Base):
    mode: Mode = Mode.PAPER
    log_level: str = "INFO"
    live_confirmation: str | None = None
    exchange: ExchangeConfig = Field(default_factory=ExchangeConfig)
    market: MarketConfig = Field(default_factory=MarketConfig)
    paper: PaperConfig = Field(default_factory=PaperConfig)
    trading: TradingConfig = Field(default_factory=TradingConfig)
    risk: RiskConfig = Field(default_factory=RiskConfig)
    strategy: StrategyConfig = Field(default_factory=StrategyConfig)
    storage: StorageConfig = Field(default_factory=StorageConfig)
    server: ServerConfig = Field(default_factory=ServerConfig)
    notifications: NotificationConfig = Field(default_factory=NotificationConfig)
    backtest: BacktestConfig = Field(default_factory=BacktestConfig)

    @field_validator("log_level")
    @classmethod
    def _level(cls, v: str) -> str:
        v = v.strip().upper()
        if v not in {"DEBUG", "INFO", "WARNING", "ERROR", "CRITICAL"}:
            raise ValueError(f"Unbekannter log_level: {v}")
        return v

    @model_validator(mode="after")
    def _live_guard(self) -> Config:
        if self.mode is Mode.LIVE:
            if self.live_confirmation != LIVE_CONFIRMATION_PHRASE:
                raise ValueError(
                    "Live-Modus erfordert 'live_confirmation: "
                    f"{LIVE_CONFIRMATION_PHRASE}' in der Konfiguration."
                )
            if not self.exchange.has_credentials():
                raise ValueError("Live-Modus erfordert exchange.api_key und exchange.api_secret.")
        return self

    @property
    def is_simulated(self) -> bool:
        return self.mode in (Mode.PAPER, Mode.BACKTEST)


def _substitute_env(node: Any) -> Any:
    """Ersetzt ``${VAR}`` / ``${VAR:-default}`` rekursiv durch Umgebungsvariablen."""
    if isinstance(node, dict):
        return {k: _substitute_env(v) for k, v in node.items()}
    if isinstance(node, list):
        return [_substitute_env(v) for v in node]
    if not isinstance(node, str):
        return node

    def repl(match: re.Match[str]) -> str:
        name, default = match.group(1), match.group(2)
        return os.environ.get(name, default if default is not None else "")

    result = _ENV_PATTERN.sub(repl, node)
    # Ein Platzhalter, der zu einem leeren String auflöst, gilt als "nicht gesetzt".
    if result == "" and _ENV_PATTERN.search(node):
        return None
    return result


_TRUE = {"1", "true", "yes", "on"}
_FALSE = {"0", "false", "no", "off"}


def _coerce(raw: str) -> Any:
    low = raw.strip().lower()
    if low in _TRUE:
        return True
    if low in _FALSE:
        return False
    try:
        return int(raw)
    except ValueError:
        pass
    try:
        return float(raw)
    except ValueError:
        pass
    if "," in raw:
        return [part.strip() for part in raw.split(",") if part.strip()]
    return raw


def _apply_env_overrides(data: dict[str, Any], prefix: str = "TRADEMIND__") -> dict[str, Any]:
    """``TRADEMIND__RISK__MAX_OPEN_POSITIONS=5`` überschreibt ``risk.max_open_positions``."""
    for key, value in os.environ.items():
        if not key.startswith(prefix) or not value:
            continue
        path = [part.lower() for part in key[len(prefix) :].split("__") if part]
        if not path:
            continue
        cursor: dict[str, Any] = data
        for part in path[:-1]:
            nxt = cursor.get(part)
            if not isinstance(nxt, dict):
                nxt = {}
                cursor[part] = nxt
            cursor = nxt
        cursor[path[-1]] = _coerce(value)
    return data


def load_config(path: str | Path) -> Config:
    """Lädt und validiert die Konfigurationsdatei."""
    p = Path(path)
    if not p.is_file():
        raise FileNotFoundError(f"Konfigurationsdatei nicht gefunden: {p}")
    raw = yaml.safe_load(p.read_text(encoding="utf-8")) or {}
    if not isinstance(raw, dict):
        raise ValueError(f"{p}: erwartet wurde ein YAML-Mapping auf oberster Ebene")
    data = _substitute_env(raw)
    data = _apply_env_overrides(data)
    return Config.model_validate(data)