app.py

# Thư viện để tạo Space
import gradio as gr
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import plotly.graph_objs as go
import plotly.io as pio

# Thư viện để tạo file
import os
import io
from docx import Document
from docx.shared import Inches



# Thiết lập theme tối cho matplotlib
plt.style.use('dark_background')

# Thiết lập theme tối cho plotly
pio.templates.default = "plotly_dark"




# Đọc dữ liệu từ file Excel
file_configs = {
    'data_fx': ('df_fx.xlsx', ['Date','Market price','Forecast price']),
    'data_fx1': ('df_fx1.xlsx', ['Date','Market price','Forecast price','Cap price','STB price']),
    'data_rate': ('df_rate.xlsx', ['Date','Market rate','Forecast rate','STB rate']),
    'data_rate1': ('df_rate1.xlsx', ['Date','Market rate','Forecast rate','STB rate']),
    'data_test1': ('df_test1.xlsx', ['Date','Market price','Forecast price']),
    'data_test2': ('df_test2.xlsx', ['Date','Market price','Forecast price']),
    'data_test3': ('df_test3.xlsx', ['Date','Market price','Forecast price']),
}

# Hàm xử lý từng file
def process_excel(file_path, columns, scale_rates=False):
    df = pd.read_excel(file_path, engine='openpyxl', header=0)
    data = df[columns]
    # Chuyển đổi kiểu dữ liệu
    for col in columns:
        if col != 'Date':
            data[col] = pd.to_numeric(data[col], errors='coerce')
    # Nhân 100 nếu là dữ liệu lãi suất
    if scale_rates:
        for col in ['Market rate', 'Forecast rate', 'STB rate']:
            if col in data.columns:
                data[col] *= 100
    data['Date'] = pd.to_datetime(data['Date'])
    data.set_index('Date', inplace=True)
    return data

# Dictionary chứa kết quả đã xử lý
processed_data = {}

# Lặp qua từng file và xử lý
for var_name, (file_path, cols) in file_configs.items():
    scale = 'rate' in var_name  # Nhân 100 nếu là dữ liệu lãi suất
    processed_data[var_name] = process_excel(file_path, cols, scale_rates=scale)

# Truy cập dữ liệu như sau:
data_fx = processed_data['data_fx']
data_fx1 = processed_data['data_fx1']
data_rate = processed_data['data_rate']
data_rate1 = processed_data['data_rate1']
data_test1 = processed_data['data_test1']
data_test2 = processed_data['data_test2']
data_test3 = processed_data['data_test3']




# Summary dashboard
# Dự báo tỷ giá
forex_forecast = {
    "Tuần": ["11/08-15/08"],
    "Giá Trị Dự Báo (USD/VND)": ["26,184 – 26,234"],
    "Biến Động": ["-0.06% - 0.06%"],
    "Xu Hướng": ["Có thể dao động do nhu cầu về ngoại tệ cao nhưng cũng có những tín hiệu tích cực của thị trường trong nước."]
}

# Dự báo lãi suất
interest_rate_forecast = {
    "Tuần": ["11/08-15/08", "18/08-22/08"],
    "Lãi Suất Dự Báo (%)": ["5.55-5.56", "5.56-5.55"],
    "Xu Hướng": ["Có thể tăng nhẹ hoặc đi ngang", "Có thể tăng nhẹ hoặc đi ngang"]
}

# Backtest tỷ giá
# Tính toán MAE, MAPE
from sklearn.metrics import mean_squared_error, mean_absolute_error
# Tuần 1
mae1 = mean_absolute_error(data_test1['Market price'], data_test1['Forecast price'])
mape1 = np.mean(np.abs(data_test1['Market price'] - data_test1['Forecast price'])/np.abs(data_test1['Forecast price']))*100
# Tuần 2
mae2 = mean_absolute_error(data_test2['Market price'], data_test2['Forecast price'])
mape2 = np.mean(np.abs(data_test2['Market price'] - data_test2['Forecast price'])/np.abs(data_test2['Forecast price']))*100
# Tuần 3
mae3 = mean_absolute_error(data_test3['Market price'], data_test3['Forecast price'])
mape3 = np.mean(np.abs(data_test3['Market price'] - data_test3['Forecast price'])/np.abs(data_test3['Forecast price']))*100


backtest_data = {
    "Tuần": [f"{data_test1.index.min().strftime('%d/%m/%Y')} - {data_test1.index.max().strftime('%d/%m/%Y')}", 
             f"{data_test2.index.min().strftime('%d/%m/%Y')} - {data_test2.index.max().strftime('%d/%m/%Y')}",
             f"{data_test3.index.min().strftime('%d/%m/%Y')} - {data_test3.index.max().strftime('%d/%m/%Y')}"],
    "MAE": [round(mae1,2), round(mae2,2), round(mae3,2)],
    "MAPE (%)": [round(mape1,3), round(mape2,3), round(mape3,3)]
}

# Chuyển đổi sang DataFrame
df_forex_forecast = pd.DataFrame(forex_forecast)
df_rate_forecast = pd.DataFrame(interest_rate_forecast)
df_backtest = pd.DataFrame(backtest_data)



# Tạo biểu đồ
# Tạo biểu đồ Dự Báo Tỷ Giá USD/VND
def create_fx_chart():
    """Tạo biểu đồ tỷ giá từ DataFrame"""
    fig = go.Figure()
    fig.add_trace(go.Scatter(x=data_fx.index, y=data_fx['Market price'], mode='lines', name='Tỷ giá thị trường', line=dict(color='blue', width=2), marker=dict(size=4)))
    fig.add_trace(go.Scatter(x=data_fx.index, y=data_fx['Forecast price'], mode='lines', name='Tỷ giá dự báo', line=dict(color='red', width=2), marker=dict(size=4)))
    # Layout
    fig.update_layout(title="Dự Báo Tỷ Giá USD/VND", xaxis_title="Ngày", yaxis_title="Tỷ Giá (VND)",  template="plotly_dark", height=400)
    return fig

# Tạo biểu đồ Dữ liệu tỷ giá USD/VND
def create_fx_history():
    fig = go.Figure()
    fig.add_trace(go.Scatter(x = data_fx1.index, y = data_fx1['Market price'], mode ='lines', name = 'Tỷ giá thị trường', line= dict(color='blue', width = 2 )))
    fig.add_trace(go.Scatter(x = data_fx1.index, y = data_fx1['Forecast price'], mode ='lines', name = 'Tỷ giá dự báo', line= dict(color='red', width = 2 )))
    fig.add_trace(go.Scatter(x = data_fx1.index, y = data_fx1['Cap price'], mode ='lines', name = 'Tỷ giá trần', line= dict(color='yellow', width = 2 )))
    fig.add_trace(go.Scatter(x = data_fx1.index, y = data_fx1['STB price'], mode ='lines', name = 'Tỷ giá trung tâm', line= dict(color='green', width = 2 )))
    # Layout
    fig.update_layout( title = "Dữ liệu tỷ giá USD/VND", xaxis_title = "Ngày", yaxis_title = "Tỷ Giá (VND)", template = "plotly_dark", height = 400)
    return fig

# Tạo biểu đồ Dự Báo Lãi Suất VN IRD 3M
def create_interest_rate_chart():
    """Tạo biểu đồ lãi suất từ DataFrame"""
    fig = go.Figure()
    fig.add_trace(go.Scatter(x=data_rate.index, y=data_rate['Market rate'], mode='lines', name='Lãi suất thị trường', line=dict(color='blue', width=2)))
    fig.add_trace(go.Scatter(x=data_rate.index, y=data_rate['Forecast rate'], mode='lines', name='Lãi suất dự báo', line=dict(color='red', width=2)))
    fig.add_trace(go.Scatter(x=data_rate.index, y=data_rate['STB rate'], mode='lines', name='Lãi suất NHNN', line=dict(color='green', width=2)))
    # Layout
    fig.update_layout(title="Dự Báo Lãi Suất VN LNH 3M", xaxis_title="Ngày", yaxis_title="Lãi Suất (%)", template="plotly_dark", height=400)
    return fig

# Tạo biểu đồ Dữ liệu Lãi Suất VN IRD 3M
def create_rate_history():
    fig = go.Figure()
    fig.add_trace(go.Scatter(x = data_rate1.index, y = data_rate1['Market rate'], mode ='lines', name = 'Lãi Suất thị trường', line= dict(color='blue', width = 2 )))
    fig.add_trace(go.Scatter(x = data_rate1.index, y = data_rate1['Forecast rate'], mode ='lines', name = 'Lãi Suất dự báo', line= dict(color='red', width = 2 )))
    fig.add_trace(go.Scatter(x = data_rate1.index, y = data_rate1['STB rate'], mode ='lines', name = 'Lãi Suất NHNN', line= dict(color='green', width = 2 )))
    # Layout
    fig.update_layout( title = "Dữ liệu Lãi Suất VN LNH 3M", xaxis_title = "Ngày", yaxis_title = "Lãi Suất (%)", template = "plotly_dark", height = 400)
    return fig

def create_backtest_line_chart():
    """Tạo biểu đồ đường cho kết quả backtest"""
    fig = go.Figure()
    fig.add_trace(go.Scatter(x=df_backtest['Tuần'], y=df_backtest['MAE'], mode='lines+markers', name='MAE', line=dict(color='#4ecdc4', width=3), marker=dict(size=8)))
    fig.add_trace(go.Scatter(x=df_backtest['Tuần'], y=df_backtest['MAPE (%)'], mode='lines+markers', name='MAPE (%)', line=dict(color='#ffe66d', width=3), marker=dict(size=8), yaxis='y2'))
    # Layout
    fig.update_layout(title="Sai Số Mô Hình Theo Tuần (Line Chart)", xaxis_title="Tuần", yaxis_title="MAE", yaxis2=dict(title="MAPE (%)", overlaying='y', side='right'), template="plotly_dark", height=400)
    return fig

# Tạo biểu đồ backtest
def create_test1():
    fig = go.Figure()
    fig.add_trace(go.Scatter(x = data_test1.index, y = data_test1['Market price'], mode ='lines', name = 'Giá thị trường', line= dict(color='blue', width = 2 )))
    fig.add_trace(go.Scatter(x = data_test1.index, y = data_test1['Forecast price'], mode ='lines', name = 'Giá dự báo', line= dict(color='red', width = 2 )))
    # Layout
    fig.update_layout( title = f"Backtest Tuần {data_test1.index.min().strftime('%d/%m/%Y')} - {data_test1.index.max().strftime('%d/%m/%Y')} ", xaxis_title = "Ngày", yaxis_title = "Tỷ Giá (VND)", template = "plotly_dark", height = 400)
    return fig

def create_test2():
    fig = go.Figure()
    fig.add_trace(go.Scatter(x = data_test2.index, y = data_test2['Market price'], mode ='lines', name = 'Giá thị trường', line= dict(color='blue', width = 2 )))
    fig.add_trace(go.Scatter(x = data_test2.index, y = data_test2['Forecast price'], mode ='lines', name = 'Giá dự báo', line= dict(color='red', width = 2 )))
    # Layout
    fig.update_layout( title = f"Backtest Tuần {data_test2.index.min().strftime('%d/%m/%Y')} - {data_test2.index.max().strftime('%d/%m/%Y')} ", xaxis_title = "Ngày", yaxis_title = "Tỷ Giá (VND)", template = "plotly_dark", height = 400)
    return fig

def create_test3():
    fig = go.Figure()
    fig.add_trace(go.Scatter(x = data_test3.index, y = data_test3['Market price'], mode ='lines', name = 'Giá thị trường', line= dict(color='blue', width = 2 )))
    fig.add_trace(go.Scatter(x = data_test3.index, y = data_test3['Forecast price'], mode ='lines', name = 'Giá dự báo', line= dict(color='red', width = 2 )))
    # Layout
    fig.update_layout( title = f"Backtest Tuần {data_test3.index.min().strftime('%d/%m/%Y')} - {data_test3.index.max().strftime('%d/%m/%Y')} ", xaxis_title = "Ngày", yaxis_title = "Tỷ Giá (VND)", template = "plotly_dark", height = 400)
    return fig

# Tạo môi trường của Báo cáo Word
REPORT_FOLDER = "bao_cao_word"
if not os.path.exists(REPORT_FOLDER):
    os.makedirs(REPORT_FOLDER)
# Báo cáo Word
def create_word_report():
    doc = Document()
    
    # Tiêu đề báo cáo
    title1 = "Báo Cáo Dự Báo Tỷ Giá USD/VND và Lãi Suất VND"
    title2 = "Tuần 11/08 - 15/08/2025"

    doc.add_heading(title1, level = 1)
    doc.add_heading(title2, level = 4)
    doc.add_paragraph('')

    # Dự Báo Tỷ Giá USD/VND
    heading1 = "📈Dự Báo Tỷ Giá USD/VND"
    doc.add_heading(heading1, level = 2)

    # Thêm bảng dữ liệu Dự Báo Tỷ Giá tóm tắt
    table = doc.add_table(rows=2, cols=4)
    # hàng tiêu đề
    hdr_cells = table.rows[0].cells
    hdr_cells[0].text = 'Tuần'
    hdr_cells[1].text = 'Giá Trị Dự Báo (USD/VND)'
    hdr_cells[2].text = 'Biến động'
    hdr_cells[3].text = 'Xu Hướng'
    # Bôi đậm hàng tiêu đề
    for cell in hdr_cells:
        for paragraph in cell.paragraphs:
            for run in paragraph.runs:
                run.bold = True
    # hàng data
    hdr_cells1 = table.rows[1].cells
    hdr_cells1[0].text = '11/08-15/08'
    hdr_cells1[1].text = '26184 - 26234'
    hdr_cells1[2].text = '-0.06% - 0.06%'
    hdr_cells1[3].text = "Có thể dao động do nhu cầu về ngoại tệ cao nhưng cũng có những tín hiệu tích cực của thị trường trong nước."


    
    # Thêm hình ảnh Dự Báo Tỷ Giá
    doc.add_heading('Biểu Ðồ Tỷ Giá Lịch Sử', level=3)
    
    image_path1 = os.path.join(REPORT_FOLDER, "ty_gia_lich_su.png")
    fig1 = create_fx_history()
    fig1.write_image(image_path1, engine='kaleido')
    doc.add_picture(image_path1, width=Inches(6))

    image_path2 = os.path.join(REPORT_FOLDER, "du_bao_ty_gia.png")
    fig2 = create_fx_chart()
    fig2.write_image(image_path2, engine='kaleido')
    doc.add_picture(image_path2, width=Inches(6))
    
    # Phân tích:
    doc.add_heading('📋 Phân tích:', level=3)
    doc.add_paragraph("""
            - Theo kết quả của mô hình dự báo tỷ giá USD/VND, tỷ giá USD có thể dao động trong khoảng 26184 – 26234, giảm 18đ – tăng 12đ tương đương giao động trong khoảng 0.06% so với giá cuối tuần trước. Chỉ số DXY giảm nhẹ xuống mốc đạt 98.17.             
            - Trong tuần qua, thị trường chứng khoán đã có tín hiệu tích cực, chỉ số VN-Index luôn duy trì quanh mốc 1600 và có thể vượt mốc này trong thời gian tới, các cổ phiếu VN30 có tăng trưởng ấn tượng. Tuy nhiên, khối ngoại liên tục bán ròng và chốt lời, nên có thể sẽ có đợt điều chỉnh lớn trong thời gian tới. 
            - Nhu cầu ngoại tệ trên thị trường vẫn ở mức cao để phục vụ sản xuất khi chỉ số PMI của Việt Nam ở mức cao 52.4 và các doanh nghiệp cũng bắt đầu nhận các đơn hàng mới sau mức thuế quan của Mỹ. 
            - CPI của Việt Nam giảm trong tháng 7 cho thấy tin hiệu tích cực của thị trường và cho thấy các điều tiết của NHNN có hiệu quả trong việc giữ tăng trưởng và kiềm chế lạm phát.
            - Giá vàng trong nước vẫn duy trì ở mức cao 124.4 triệu đồng/lượng bán ra, cao hơn so với vàng quốc tế hơn 13 triệu đồng/lượng khi vàng thế giới chỉ đạt 3397 USD/ ouce (mốc đỉnh trong vòng 1 tháng gần đây), tạo áp lực lên tỷ giá.
            - Tỷ giá trung tâm của Ngân hàng Nhà Nước liên tục neo ở mức cao trên 25200, điều này cho thấy NHNN đang thả VND mất giá từ từ theo thị trường, tính từ đầu năm tỷ giá trung tâm đã tăng hơn 3%. Hiện tỷ giá trên thị trường chợ đen đã đạt 26480 bán ra (tăng 20đ so với tuần trước).

    """) 


    # Dự Báo Lãi Suất
    heading2 = "💰 Dự Báo Lãi Suất"
    doc.add_heading(heading2, level = 2)

    # Thêm bảng dữ liệu Dự Báo Lãi Suất tóm tắt
    table2 = doc.add_table(rows=3, cols=3)
    # hàng tiêu đề
    hdr_cells_rate = table2.rows[0].cells
    hdr_cells_rate[0].text = 'Tuần'
    hdr_cells_rate[1].text = 'Lãi Suất Dự Báo (USD/VND)'
    hdr_cells_rate[2].text = 'Xu Hướng'
    # Bôi đậm hàng tiêu đề
    for cell in hdr_cells_rate:
        for paragraph in cell.paragraphs:
            for run in paragraph.runs:
                run.bold = True
    # hàng data
    hdr_cells_rate1 = table2.rows[1].cells
    hdr_cells_rate1[0].text = '11/08-15/08'
    hdr_cells_rate1[1].text = '5.55 - 5.56'
    hdr_cells_rate1[2].text = "Có thể tăng nhẹ hoặc đi ngang."

    hdr_cells_rate2 = table2.rows[2].cells
    hdr_cells_rate2[0].text = '18/08-22/08'
    hdr_cells_rate2[1].text = '5.56 - 5.55'
    hdr_cells_rate2[2].text = "Có thể tăng nhẹ hoặc đi ngang."

    # Thêm hình ảnh Dự Báo Lãi Suất
    doc.add_heading('Biểu Ðồ Lãi Suất Lịch Sử', level=3)

    image_path3 = os.path.join(REPORT_FOLDER, "lich_su_lai_suat.png")
    fig3 = create_rate_history()
    fig3.write_image(image_path3, engine='kaleido')
    doc.add_picture(image_path3, width=Inches(6))

    image_path4 = os.path.join(REPORT_FOLDER, "du_bao_lai_suat.png")
    fig4 = create_interest_rate_chart()
    fig4.write_image(image_path4, engine='kaleido')
    doc.add_picture(image_path4, width=Inches(6))

    # Phân tích:
    doc.add_heading('📋 Phân tích:', level=3)
    doc.add_paragraph("""
            - Kết quả dự báo lãi suất VND LNH kì hạn 3 tháng theo mô hình có thể đ ingang quanh mức 5.55% - 5.53% và trên lãi suất tái chiết khấu của NHNN là 4.5% trong tuần 08/08-22/08. 
            - Trong tuần trước, lãi suất kì hạn 3 tháng đã tăng mạnh lên mốc 5.55%. Đây là do nhu cầu vốn của thị trường để cho vay tăng cao. 
            - Tính tới hết quý 2 năm nay, toàn ngành đã tăng trưởng tín dụng gần 10% trong khi mục tiêu và hạn mức là 16% cho cả năm cho thấy một tốc độ tăng kỉ lục. 
            - Ngoài ra, tốc độ tăng trưởng tín dụng đã lớn hơn từ 1.3 đến 1.5 lần tốc độ tăng trưởng huy động, gây ra tình trạng đói vốn của các ngân hàng trên thị trường. Một số các ngân hàng nhỏ trong tuần qua đã có những động thái tăng nhẹ lãi suất huy động cho các kì hạn từ 6 tháng tới 1 năm.
            - Xu hướng tăng cũng một phần tới từ việc NHNN đã không có động thái bơm thêm tiền nhiều như những tuần trước, để giảm rủi ro lạm phát và kiềm chế mức tăng cao của tỷ giá USD/VND trên thị trường liên ngân hàng và thị trường chợ đen. 
            - Tuy nhiên với mục tiêu giảm lãi vay cho khách hàng, thì có thể sẽ có những động thái điều tiết từ NHNN trong thời gian tới nhằm hạ nhiệt lãi suất.
            
    """) 

    # Backtest
    heading3 = "📊 Kết Quả Backtest Mô Hình Tỷ Giá"
    doc.add_heading(heading3, level = 2)

    # Thêm bảng dữ liệu backtest
    table3 = doc.add_table(rows = 4, cols=3)
    # hàng tiêu đề
    hdr_cells_test = table3.rows[0].cells
    hdr_cells_test[0].text = 'Tuần'
    hdr_cells_test[1].text = 'MAE'
    hdr_cells_test[2].text = 'MAPE (%)'
    # Bôi đậm hàng tiêu đề
    for cell in hdr_cells_test:
        for paragraph in cell.paragraphs:
            for run in paragraph.runs:
                run.bold = True
    # hàng data
    hdr_cells_test1 = table3.rows[1].cells
    hdr_cells_test1[0].text = f"{data_test1.index.min().strftime('%d/%m/%Y')} - {data_test1.index.max().strftime('%d/%m/%Y')}"
    hdr_cells_test1[1].text = str(round(mae1,2))
    hdr_cells_test1[2].text = str(round(mape1,3))

    hdr_cells_test2 = table3.rows[2].cells
    hdr_cells_test2[0].text = f"{data_test2.index.min().strftime('%d/%m/%Y')} - {data_test2.index.max().strftime('%d/%m/%Y')}"
    hdr_cells_test2[1].text = str(round(mae2,2))
    hdr_cells_test2[2].text = str(round(mape2,3))
            
    hdr_cells_test3 = table3.rows[3].cells
    hdr_cells_test3[0].text = f"{data_test3.index.min().strftime('%d/%m/%Y')} - {data_test3.index.max().strftime('%d/%m/%Y')}"
    hdr_cells_test3[1].text = str(round(mae3,2))
    hdr_cells_test3[2].text = str(round(mape3,3))

    # Thêm hình ảnh Backtest Mô Hình Tỷ Giá
    doc.add_heading('Biểu Ðồ Backtest Mô Hình Tỷ Giá', level=3)

    image_path5 = os.path.join(REPORT_FOLDER, "test1.png")
    fig5 = create_test1()
    fig5.write_image(image_path5, engine='kaleido')
    doc.add_picture(image_path5, width=Inches(6))

    image_path6 = os.path.join(REPORT_FOLDER, "test2.png")
    fig6 = create_test2()
    fig6.write_image(image_path6, engine='kaleido')
    doc.add_picture(image_path6, width=Inches(6))

    image_path7 = os.path.join(REPORT_FOLDER, "test3.png")
    fig7 = create_test3()
    fig7.write_image(image_path7, engine='kaleido')
    doc.add_picture(image_path7, width=Inches(6))

    image_path8 = os.path.join(REPORT_FOLDER, "line_test.png")
    fig8 = create_backtest_line_chart()
    fig8.write_image(image_path8, engine='kaleido')
    doc.add_picture(image_path8, width=Inches(6))

    # Các Thông Tin mô hình:
    heading3 = "📋 Thông Tin"
    doc.add_heading(heading3, level = 2)

    # Tiêu đề phụ: Ghi Chú Quan Trọng
    doc.add_paragraph("📝 Ghi Chú Quan Trọng:", style='Heading 4')
    # Phương Pháp Dự Báo
    doc.add_paragraph("🔍 Phương Pháp Dự Báo:", style='Heading 5')
    doc.add_paragraph("""
            - Dữ liệu dự báo dựa trên một số chỉ báo phân tích kỹ thuật như MACD, MA10, MA50,...
            - Tích hợp một số chỉ số kinh tế vĩ mô như CPI VN, CPI US, Tỷ giá trung tâm của NHNN,... và ảnh hưởng của thông báo các chỉ số kinh tế vĩ mô.
            - Mô hình giả định giữ nguyên các hầu hết các chỉ tiêu kinh tế vĩ mô và khi cập nhật bước giá mới thì dữ liệu chỉ số kĩ thuật sẽ tự động được tạo mới kèm theo.
            - Sử dụng các thuật toán máy học và học sâu để tối ưu độ chính xác.
            """)
    # Chỉ Số Đánh Giá
    doc.add_paragraph("📊 Chỉ Số Đánh Giá:", style='Heading 5')
    doc.add_paragraph("""
            - MAE (Mean Absolute Error): Sai số tuyệt đối trung bình, là trung bình chênh lệch tuyệt đối giữa giá dự báo và giá thực tế trên thị trường trong 1 tuần.
            - MAPE (Mean Absolute Percentage Error): Sai số phần trăm tuyệt đối trung bình, là trung bình phần trăm chênh lệch tuyệt đối giữa giá dự báo và giá thực tế trên thị trường trong 1 tuần.
            """)
    # Lưu ý
    doc.add_paragraph("⚠️ Lưu Ý:", style='Heading 5')
    doc.add_paragraph("""
            - Cần cập nhật dữ liệu thực tế hàng tuần để cải thiện độ chính xác
            - Kết quả dự báo chỉ mang tính chất tham khảo
            - Nên kết hợp với các nguồn thông tin khác để đưa ra quyết định đầu tư 
            """)
    

    # Cập Nhật
    p = doc.add_paragraph()
    p.add_run("🔄 Cập Nhật: ").bold = True
    p.add_run("Dữ liệu được cập nhật liên tục hàng tuần từ các nguồn đáng tin cậy")
            
    
    # Lưu file Word
    report_title = "Bao_cao_Ty_Gia_va_Lai_Suat_Tuan_11-08-2025.docx"
    output_path = os.path.join(REPORT_FOLDER, report_title)
    doc.save(output_path)
    return output_path



# CSS để tạo theme tối
css = """
.gradio-container {
    background: linear-gradient(135deg, #1e3c72 0%, #2a5298 100%) !important;
    color: #ffffff !important;
}
.dark {
    background: #1a1a1a !important;
    color: #ffffff !important;
}
/* Chuyển tất cả text sang màu trắng */
body, .gr-form, .gr-box, .gr-padded, .gr-panel, .gr-block, .gr-row, .gr-column {
    color: #ffffff !important;
}
/* Markdown text */
.prose, .markdown, .gr-markdown {
    color: #ffffff !important;
}
.prose h1, .prose h2, .prose h3, .prose h4, .prose h5, .prose h6 {
    color: #ffffff !important;
}
.prose p, .prose li, .prose span, .prose div {
    color: #ffffff !important;
}
/* Dataframe styling */
.gr-dataframe, .gr-dataframe table, .gr-dataframe th, .gr-dataframe td {
    color: #ffffff !important;
    background-color: rgba(255, 255, 255, 0.1) !important;
}
.gr-dataframe th {
    background-color: rgba(255, 255, 255, 0.2) !important;
}
/* Tab styling */
.gr-tabs .gr-tab {
    color: #ffffff !important;
}
.gr-tabs .gr-tab.selected {
    color: #ffffff !important;
    background-color: rgba(255, 255, 255, 0.1) !important;
}
/* Input fields */
.gr-textbox, .gr-number, .gr-slider {
    color: #ffffff !important;
    background-color: rgba(255, 255, 255, 0.1) !important;
}
/* Labels */
label, .gr-label {
    color: #ffffff !important;
}
"""

# Tạo giao diện với Gradio
with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="cyan"), css=css) as demo:
    gr.HTML("""
    <div style="text-align: center; padding: 20px; background: linear-gradient(135deg, #667eea 0%, #764ba2 100%); border-radius: 10px; margin-bottom: 20px;">
        <h1 style="color: white; font-size: 2.5em; margin: 0;">📊 Dự Báo Tỷ Giá USD/VND và Lãi Suất VND</h1>
        <p style="color: #e0e0e0; font-size: 1.2em; margin: 10px 0 0 0;">Tuần 11/08 - 15/08/2025</p>
    </div>
    """)

    gr.Markdown("### 🔄 Cập nhật từ mô hình dự báo và kết quả backtest")

    with gr.Tabs():
        with gr.TabItem("📈 Dự Báo Tỷ Giá"):
            gr.Markdown("## 💱 Dự Báo Tỷ Giá USD/VND")
            gr.Dataframe(df_forex_forecast)

            gr.Markdown("## 📊 Biểu Đồ Tỷ Giá Lịch Sử")
            gr.Plot(create_fx_history())
            gr.Plot(create_fx_chart())
            #gr.Plot(create_fx_history())
            gr.Markdown("## 📋 Phân tích:")
            gr.Markdown("""
            - Theo kết quả của mô hình dự báo tỷ giá USD/VND, tỷ giá USD có thể dao động trong khoảng 26184 – 26234, giảm 18đ – tăng 12đ tương đương giao động trong khoảng 0.06% so với giá cuối tuần trước. Chỉ số DXY giảm nhẹ xuống mốc đạt 98.17.             
            - Trong tuần qua, thị trường chứng khoán đã có tín hiệu tích cực, chỉ số VN-Index luôn duy trì quanh mốc 1600 và có thể vượt mốc này trong thời gian tới, các cổ phiếu VN30 có tăng trưởng ấn tượng. Tuy nhiên, khối ngoại liên tục bán ròng và chốt lời, nên có thể sẽ có đợt điều chỉnh lớn trong thời gian tới. 
            - Nhu cầu ngoại tệ trên thị trường vẫn ở mức cao để phục vụ sản xuất khi chỉ số PMI của Việt Nam ở mức cao 52.4 và các doanh nghiệp cũng bắt đầu nhận các đơn hàng mới sau mức thuế quan của Mỹ. 
            - CPI của Việt Nam giảm trong tháng 7 cho thấy tin hiệu tích cực của thị trường và cho thấy các điều tiết của NHNN có hiệu quả trong việc giữ tăng trưởng và kiềm chế lạm phát.
            - Giá vàng trong nước vẫn duy trì ở mức cao 124.4 triệu đồng/lượng bán ra, cao hơn so với vàng quốc tế hơn 13 triệu đồng/lượng khi vàng thế giới chỉ đạt 3397 USD/ ouce (mốc đỉnh trong vòng 1 tháng gần đây), tạo áp lực lên tỷ giá.
            - Tỷ giá trung tâm của Ngân hàng Nhà Nước liên tục neo ở mức cao trên 25200, điều này cho thấy NHNN đang thả VND mất giá từ từ theo thị trường, tính từ đầu năm tỷ giá trung tâm đã tăng hơn 3%. Hiện tỷ giá trên thị trường chợ đen đã đạt 26480 bán ra (tăng 20đ so với tuần trước).

            """)

        with gr.TabItem("💰 Dự Báo Lãi Suất"):
            gr.Markdown("## 🏦 Dự Báo Lãi Suất VND (3 tháng)")
            gr.Dataframe(df_rate_forecast)

            gr.Markdown("## 📊 Biểu Đồ Lãi Suất Lịch Sử")
            with gr.Row():
                with gr.Column():
                  gr.Plot(create_rate_history())
                with gr.Column():
                  gr.Plot(create_interest_rate_chart())
            #gr.Plot(create_interest_rate_chart())
            #gr.Plot(create_rate_history())
            gr.Markdown("## 📋 Phân tích:")
            gr.Markdown("""
            - Kết quả dự báo lãi suất VND LNH kì hạn 3 tháng theo mô hình có xu hướng có thể giảm. Trong tuần 21/07 - 25/07, lãi suất kì hạn 3 tháng giữ nguyên quanh mốc 4.8% và tăng mạnh vào cuối tuần lên mốc 5.15%. Đây là do áp lực đáo hạn các khoản vay cầm cố giấy tờ có giá của các ngân hàng và áp lực từ việc tăng trưởng tín dụng nhanh của toàn thị trường, cho thấy thị trường đang cần nhiều nguồn vốn giá rẻ từ NHNN để thúc đẩy đà giảm lãi suất cho vay đối với các khách hàng. 
            - Trong tuần qua NHNN đã bơm kỉ lục hơn 173,000 tỷ đồng ra thị trường thông qua kênh OMO lãi suất 4% với các kì hạn dài từ 14 ngày tới 91 ngày. Tính tới thời điểm ngày 28/07, tổng lượng tiền OMO đang lưu hành là 210.871 tỷ đồng mức cao nhất tính từ thời điểm cuối tháng 1 năm 2017.
            - Theo mô hình dự báo, lãi suất thị trường có thể giảm xuống mức 4.9% - 4.8% và trên lãi suất tái chiết khấu của NHNN là 4.5% trong tuần 28/07-08/08.
            - Xu hướng giảm là NHNN đang tăng cường điều tiết thị trường giải cơn khát vốn cho thị trường với các kì hạn dài hơn 1 tuần, giúp có thêm nguồn vốn giá rẻ từ NHNN để các ngân hàng tiếp tục duy trì mặt bằng lãi suất thấp trên các khoản cho vay khách hàng và NHNN cũng đang muốn có kiểm soát tỷ giá USD/VND trong bối cảnh tỷ giá chợ đen và trên thị trường vẫn đang ở mức cao. 

         """)

        with gr.TabItem("🧪 Kết Quả Backtest"):
            gr.Markdown("## 📊 Kết Quả Backtest Mô Hình Tỷ Giá")
            gr.Dataframe(df_backtest)

            gr.Markdown("### 📈 Biểu Đồ Sai Số (MAE và MAPE)")
            with gr.Row():
                with gr.Column():
                  gr.Plot(create_test1())
                with gr.Column():
                  gr.Plot(create_test2())
            with gr.Row():
                with gr.Column():
                  gr.Plot(create_test3())
                with gr.Column():
                  gr.Plot(create_backtest_line_chart())


        with gr.TabItem("📋 Thông Tin"):
            gr.Markdown("""
            ### 📝 Ghi Chú Quan Trọng: """)
            gr.Markdown("""🔍 **Phương Pháp Dự Báo:**""")
            gr.Markdown("""
            - Kết quả dự báo lãi suất VND LNH kì hạn 3 tháng theo mô hình có thể đ ingang quanh mức 5.55% - 5.53% và trên lãi suất tái chiết khấu của NHNN là 4.5% trong tuần 08/08-22/08. 
            - Trong tuần trước, lãi suất kì hạn 3 tháng đã tăng mạnh lên mốc 5.55%. Đây là do nhu cầu vốn của thị trường để cho vay tăng cao. 
            - Tính tới hết quý 2 năm nay, toàn ngành đã tăng trưởng tín dụng gần 10% trong khi mục tiêu và hạn mức là 16% cho cả năm cho thấy một tốc độ tăng kỉ lục. 
            - Ngoài ra, tốc độ tăng trưởng tín dụng đã lớn hơn từ 1.3 đến 1.5 lần tốc độ tăng trưởng huy động, gây ra tình trạng đói vốn của các ngân hàng trên thị trường. Một số các ngân hàng nhỏ trong tuần qua đã có những động thái tăng nhẹ lãi suất huy động cho các kì hạn từ 6 tháng tới 1 năm.
            - Xu hướng tăng cũng một phần tới từ việc NHNN đã không có động thái bơm thêm tiền nhiều như những tuần trước, để giảm rủi ro lạm phát và kiềm chế mức tăng cao của tỷ giá USD/VND trên thị trường liên ngân hàng và thị trường chợ đen. 
            - Tuy nhiên với mục tiêu giảm lãi vay cho khách hàng, thì có thể sẽ có những động thái điều tiết từ NHNN trong thời gian tới nhằm hạ nhiệt lãi suất.
 
            """)
            gr.Markdown("""
            📊 **Chỉ Số Đánh Giá:**
            - **MAE (Mean Absolute Error):** Sai số tuyệt đối trung bình, là trung bình chênh lệch tuyệt đối giữa giá dự báo và giá thực tế trên thị trường trong 1 tuần.
            - **MAPE (Mean Absolute Percentage Error):** Sai số phần trăm tuyệt đối trung bình, là trung bình phần trăm chênh lệch tuyệt đối giữa giá dự báo và giá thực tế trên thị trường trong 1 tuần.
            """)
            gr.Markdown("""⚠️ **Lưu Ý:**""")   
            gr.Markdown("""
            - Cần cập nhật dữ liệu thực tế hàng tuần để cải thiện độ chính xác
            - **Kết quả dự báo chỉ mang tính chất tham khảo**
            - Nên kết hợp với các nguồn thông tin khác để đưa ra quyết định đầu tư 
            """)
            gr.Markdown("""
            🔄 **Cập Nhật:** Dữ liệu được cập nhật liên tục hàng tuần từ các nguồn đáng tin cậy
            """)
    with gr.Row():
                word_btn_fx = gr.Button("📥 Xuất Báo Cáo",  size="sm", variant="secondary")
                report_output_fx = gr.File(label="Báo Cáo Ðã Tải", visible=True)
                word_btn_fx.click(fn=create_word_report,outputs=report_output_fx)
    gr.HTML("""
                          <script>
                          document.addEventListener('DOMContentLoaded', function() {
                              const observer = new MutationObserver((mutations) => {
                                  mutations.forEach((mutation) => {
                                      if (mutation.type === 'childList' && mutation.target.id === 'report_output_fx') {
                                          const link = document.querySelector('#report_output_fx a');
                                          if (link) link.click();  // Tự động tải file
                                      }
                                  });
                              });
                              observer.observe(document.body, { childList: true, subtree: true });
                          });
                          </script>
                          """)


# Chạy ứng dụng
if __name__ == "__main__":
    demo.launch(
        share=True,
        server_name="0.0.0.0",
        show_error=True,
        inbrowser=True
    )