"""
Validación walk-forward del motor de proyección mensual.

Para cada mes M del periodo evaluado, corre el procedimiento COMPLETO
(46 configuraciones, selección del ganador por rolling origin y bandas
empíricas) usando solo la serie hasta M-1, y compara la proyección a un mes
con el valor registrado de M. Es la misma prueba que se haría si el sistema
hubiese estado en producción desde el inicio del periodo.

Uso: python analisis/backtest_proyeccion.py 2024-09 2026-09
"""
from __future__ import annotations

import sys
import time
from pathlib import Path

import duckdb
import pandas as pd

RAIZ = Path(__file__).resolve().parent.parent
sys.path.insert(0, str(RAIZ))
import forecast as fc  # noqa: E402


def serie_homicidios() -> pd.Series:
    c = duckdb.connect(str(RAIZ / "sinadef.duckdb"), read_only=True)
    d = c.execute("""SELECT ANIO||'-'||MES m, COUNT(*) n FROM tbl_SINADEF
                     WHERE MUERTE_VIOLENTA='HOMICIDIO' GROUP BY 1 ORDER BY 1""").fetchdf()
    s = pd.Series(d.n.values, index=pd.PeriodIndex(d.m, freq="M")).astype(float)
    return s[s.index >= pd.Period("2017-01", "M")]


def main(desde: str, hasta: str):
    s = serie_homicidios()
    filas = []
    t0 = time.time()
    for mes in pd.period_range(desde, hasta, freq="M"):
        hist = s[s.index < mes]
        r = fc.proyectar(hist, h=1)
        real = float(s.get(mes, float("nan")))
        b = r.get("bandas") or {}
        fila = {
            "mes": str(mes), "real": real, "proyectado": r["central"][0],
            "p10": b.get("p10", [None])[0], "p90": b.get("p90", [None])[0],
            "modelo": r["mejor"]["modelo"], "mape_validacion": r["mejor"]["mape"],
            "naive_estacional": float(s[s.index == mes - 12].iloc[0]),
        }
        fila["error_%"] = round((fila["proyectado"] / real - 1) * 100, 1)
        fila["dentro_banda"] = bool(fila["p10"] is not None and fila["p10"] <= real <= fila["p90"])
        fila["errores_bandas"] = r.get("errores_bandas", [])
        filas.append(fila)
        print(f"  {mes}: real {real:.0f} · proy {fila['proyectado']:.0f} "
              f"[{fila['p10']}–{fila['p90']}] {fila['modelo']} ({time.time()-t0:.0f}s)", flush=True)
    d = pd.DataFrame(filas)
    # Los errores con que se armó cada rango van aparte: permiten evaluar otras
    # formas de construir el rango sin volver a correr los 46 modelos.
    d[["mes", "errores_bandas"]].to_json(RAIZ / "analisis" / "backtest_errores.json", orient="records")
    d = d.drop(columns="errores_bandas")
    d.to_csv(RAIZ / "analisis" / "backtest_proyeccion.csv", index=False)
    ae = (d.proyectado - d.real).abs() / d.real
    an = (d.naive_estacional - d.real).abs() / d.real
    print(f"\nMAPE motor: {ae.mean()*100:.1f}%   MAPE naive estacional: {an.mean()*100:.1f}%")
    print(f"Cobertura banda 80%: {d.dentro_banda.mean()*100:.0f}% ({d.dentro_banda.sum()}/{len(d)})")


if __name__ == "__main__":
    main(*(sys.argv[1:3] if len(sys.argv) > 2 else ("2024-09", "2026-09")))