Update app.py

app.py

@@ -271,37 +271,54 @@ def build_models() -> dict:
 def train_and_evaluate(df: pd.DataFrame):
     """
     Modelleri eğitir; son 10 günü test seti olarak kullanır.
-    Dönüş: trained_models, scaler, test_preds (dict), y_test
+    Hedef: yarınki kapanış - bugünkü kapanış (fiyat değişimi / delta).
+    Bu sayede Ridge dahil tüm modeller mutlak fiyata yakınsamak yerine
+    gerçek yön ve büyüklük sinyali öğrenir.
+    Dönüş: trained_models, scaler, test_preds (mutlak fiyat), y_test (mutlak fiyat), avail
     """
     avail = [c for c in FEATURE_COLS if c in df.columns]
-    X = df[avail].values
-    y = df['Close'].values
+    X     = df[avail].values
+    close = df['Close'].values
+
+    # Hedef: bir sonraki günün fiyat değişimi (delta)
+    y_delta      = np.diff(close)       # uzunluk = N-1
+    X            = X[:-1]              # son satırı at (yarını bilinmiyor)
+    close_aligned = close[:-1]         # delta ile hizalı kapanışlar
 
     split = -10
-    X_train, X_test = X[:split], X[split:]
-    y_train, y_test = y[:split], y[split:]
+    X_train, X_test       = X[:split],            X[split:]
+    y_train, y_delta_test = y_delta[:split],       y_delta[split:]
+    close_test            = close_aligned[split:]
 
     scaler  = StandardScaler()
     X_tr_sc = scaler.fit_transform(X_train)
     X_te_sc = scaler.transform(X_test)
 
-    models    = build_models()
-    trained   = {}
-    test_preds = {}
+    models     = build_models()
+    trained    = {}
+    test_preds = {}   # grafik/metrik uyumu için mutlak fiyat olarak sakla
 
     for name, m in models.items():
         m.fit(X_tr_sc, y_train)
-        test_preds[name] = m.predict(X_te_sc)
-        trained[name] = m
+        delta_pred         = m.predict(X_te_sc)
+        test_preds[name]   = close_test + delta_pred   # delta → mutlak fiyat
+        trained[name]      = m
+
+    y_test = close_test + y_delta_test   # gerçek mutlak fiyat (backtest için)
 
     return trained, scaler, test_preds, y_test, avail
 
 
 def predict_next(trained: dict, scaler, df: pd.DataFrame, avail: list):
-    """Son satırın feature'larından ertesi gün tahmini üretir."""
+    """
+    Son satırın feature'larından ertesi gün tahmini üretir.
+    Model delta (değişim) tahmin eder; mevcut kapanışa eklenerek
+    mutlak fiyata dönüştürülür.
+    """
+    cp = float(df['Close'].iloc[-1])
     x  = df[avail].iloc[-1].values.reshape(1, -1)
     xs = scaler.transform(x)
-    preds    = {n: float(m.predict(xs)[0]) for n, m in trained.items()}
+    preds    = {n: cp + float(m.predict(xs)[0]) for n, m in trained.items()}
     ensemble = float(np.mean(list(preds.values())))
     return preds, ensemble