Update app.py

app.py

@@ -253,13 +253,18 @@ def predict(df: pd.DataFrame, horizon: int, fee: float = 0.0006, n_folds: int =
     y = (fwd > 0).astype(float)
     y[fwd.isna()] = np.nan
 
+    feats = feats.dropna(axis=1, how="all")          # tamamen boş kolonları at (ör. hacim yoksa)
     data = feats.copy()
     data["y"], data["fwd"] = y, fwd
     data["thr_move"] = (atr / close) * np.sqrt(horizon)
-    train_df = data.dropna(subset=list(feats.columns[feats.notna().any()]) + ["y"]).copy()
-    train_df = train_df.dropna()
-    if len(train_df) < 400:
-        raise ValueError("Yeterli veri yok (en az ~400 geçerli bar gerekir). Limit'i artır.")
+    warm = min(60, len(data) // 5)                   # gösterge ısınma barları
+    train_df = data.iloc[warm:].dropna(subset=["y", "fwd", "thr_move"]).copy()
+    # Kalan NaN'ler (uzun pencereli göstergeler) satır silmek yerine doldurulur
+    train_df[list(feats.columns)] = train_df[list(feats.columns)].ffill().fillna(0)
+    if len(train_df) < 200:
+        raise ValueError(
+            f"Yeterli veri yok: {len(df)} mum geldi, {len(train_df)} kullanılabilir bar kaldı "
+            f"(en az 200 gerekir; ufuk={horizon}). Mum sayısını artır veya borsayı/sembolü kontrol et.")
 
     cols = list(feats.columns)
     X, Y = train_df[cols], train_df["y"].astype(int)
@@ -275,11 +280,13 @@ def predict(df: pd.DataFrame, horizon: int, fee: float = 0.0006, n_folds: int =
     oos_p, oos_idx = [], []
     for k in range(n_folds):
         tr_end, te0, te1 = edges[k] - horizon, edges[k], edges[k + 1]
-        if tr_end < 200:
+        if tr_end < 80:
             continue
         p = _fit_predict(X.iloc[:tr_end], Y.iloc[:tr_end], X.iloc[te0:te1], W[:tr_end])
         oos_p.append(p)
         oos_idx.extend(range(te0, te1))
+    if not oos_p:
+        raise ValueError("Walk-forward için yeterli veri yok. Mum sayısını artır.")
     oos_p = np.concatenate(oos_p)
     oos_idx = np.array(oos_idx)
     yo, fo = Y.values[oos_idx], F[oos_idx]