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": ["18/08-22/08"],
    "Giá Trị Dự Báo (USD/VND)": ["26,267 – 26,286"],
    "Biến Động": ["-0.028% - 0.044%"],
    "Xu Hướng": ["Có thể giao động  do nhu cầu về ngoại tệ cao của thị trường trong nước."]
}

# Dự báo lãi suất
interest_rate_forecast = {
    "Tuần": ["18/08-22/08", "25/08-29/08"],
    "Lãi Suất Dự Báo (%)": ["5.6-5.65", "5.65-5.66"],
    "Xu Hướng": ["Có thể tăng nhẹ", "Có thể tăng nhẹ"]
}

# 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 18/08 - 22/08/2025"

    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 = '18/08-22/08'
    hdr_cells1[1].text = '26267 - 26284'
    hdr_cells1[2].text = '-0.028% - 0.044%'
    hdr_cells1[3].text = "Có thể dao động do nhu cầu về ngoại tệ cao 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 26267 – 26286, giảm 7 đ – tăng 12đ tương đương giao động trong khoảng giảm 0.028% đến tăng 0.044% so với giá cuối tuần trước. Chỉ số DXY giảm nhẹ xuống mốc đạt 97.94.          
            - Trong tuần qua, thị trường chứng khoán đã có tín hiệu tích cực, chỉ số VN-Index đã vượt 1600 và luôn duy trì ở mức cao bất chấp áp lực chốt lời lớn, các cổ phiếu VN30 có duy trì quanh mốc 1775, các cổ phiếu midcap tăng trưởng mạnh mẽ. Tuy nhiên, khối ngoại liên tục bán ròng và chốt lời, với hơn 23000 tỷ đồng đã được bán trong nửa đầu tháng 8.
            - Nhu cầu ngoại tệ trên thị trường vẫn ở mức cao để phục vụ các hợp đồng nhập khẩu 252,2 tỷ USD, tăng 17.9% so với năm trước, khiến áp lực tỷ giá tăng cao. 
            - Giá vàng trong nước vẫn duy trì ở mức cao 124.5 triệu đồng/lượng bán ra, cao hơn so với vàng quốc tế hơn 14 triệu đồng/lượng khi vàng thế giới chỉ đạt 3350 USD/ ouce, tạo áp lực lên tỷ giá.
            - Tỷ giá trung tâm của Ngân hàng Nhà Nước liên tục leo lên những mức cao mới, hiện tỷ giá trung tâm là 25249, 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 cao kỉ lục 26550 bán ra (tăng 70đ 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 = '18/08-22/08'
    hdr_cells_rate1[1].text = '5.6 - 5.65'
    hdr_cells_rate1[2].text = "Có thể tăng nhẹ."

    hdr_cells_rate2 = table2.rows[2].cells
    hdr_cells_rate2[0].text = '25/08-29/08'
    hdr_cells_rate2[1].text = '5.65 - 5.66'
    hdr_cells_rate2[2].text = "Có thể tăng nhẹ."

    # 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 tăng lên quanh mức 5.65% và trên lãi suất tái chiết khấu của NHNN là 4.5% trong tuần 18/08-29/08. 
            - Trong tuần trước, lãi suất kì hạn 3 tháng đã tăng mạnh lên mốc 5.65% sau đó giảm nhẹ xuống mốc 5.6%. 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 có những động thái rút tiền khỏi hệ thống ngược lại so với xu hướng những tuần trước, để giảm rủi ro lạm phát và kiềm chế mức tăng cao kỉ lục của tỷ giá USD/VND trên thị trường liên ngân hàng và thị trường chợ đen. 
            - Tuy nhiên trong thời gian tới FED được dự báo gần như chắc chắn sẽ hạ lãi suất, khi các chỉ số đều đúng như dự báo và các tác động của chính sách thuế quan của chính quyền Tổng Thống Trump được thực hiện theo hướng giảm các tác động ngay lập tức tới thị trường Mỹ. Điều này sẽ giúp cho tỷ giá USD/VND có thể suy giảm và bổ trợ cho việc giảm lãi suất để thúc đẩy tăng trưởng của Chính Phủ đề ra. 
            
    """) 

    # 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 18/08 - 22/08/2025</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 26267 – 26286, giảm 7 đ – tăng 12đ tương đương giao động trong khoảng giảm 0.028% đến tăng 0.044% so với giá cuối tuần trước. Chỉ số DXY giảm nhẹ xuống mốc đạt 97.94.          
            - Trong tuần qua, thị trường chứng khoán đã có tín hiệu tích cực, chỉ số VN-Index đã vượt 1600 và luôn duy trì ở mức cao bất chấp áp lực chốt lời lớn, các cổ phiếu VN30 có duy trì quanh mốc 1775, các cổ phiếu midcap tăng trưởng mạnh mẽ. Tuy nhiên, khối ngoại liên tục bán ròng và chốt lời, với hơn 23000 tỷ đồng đã được bán trong nửa đầu tháng 8.
            - Nhu cầu ngoại tệ trên thị trường vẫn ở mức cao để phục vụ các hợp đồng nhập khẩu 252,2 tỷ USD, tăng 17.9% so với năm trước, khiến áp lực tỷ giá tăng cao. 
            - Giá vàng trong nước vẫn duy trì ở mức cao 124.5 triệu đồng/lượng bán ra, cao hơn so với vàng quốc tế hơn 14 triệu đồng/lượng khi vàng thế giới chỉ đạt 3350 USD/ ouce, tạo áp lực lên tỷ giá.
            - Tỷ giá trung tâm của Ngân hàng Nhà Nước liên tục leo lên những mức cao mới, hiện tỷ giá trung tâm là 25249, 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 cao kỉ lục 26550 bán ra (tăng 70đ 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 thể tăng lên quanh mức 5.65% và trên lãi suất tái chiết khấu của NHNN là 4.5% trong tuần 18/08-29/08. 
            - Trong tuần trước, lãi suất kì hạn 3 tháng đã tăng mạnh lên mốc 5.65% sau đó giảm nhẹ xuống mốc 5.6%. 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 có những động thái rút tiền khỏi hệ thống ngược lại so với xu hướng những tuần trước, để giảm rủi ro lạm phát và kiềm chế mức tăng cao kỉ lục của tỷ giá USD/VND trên thị trường liên ngân hàng và thị trường chợ đen. 
            - Tuy nhiên trong thời gian tới FED được dự báo gần như chắc chắn sẽ hạ lãi suất, khi các chỉ số đều đúng như dự báo và các tác động của chính sách thuế quan của chính quyền Tổng Thống Trump được thực hiện theo hướng giảm các tác động ngay lập tức tới thị trường Mỹ. Điều này sẽ giúp cho tỷ giá USD/VND có thể suy giảm và bổ trợ cho việc giảm lãi suất để thúc đẩy tăng trưởng của Chính Phủ đề ra. 

         """)

        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("""
            - 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.

            """)
            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
    )