Update app.py

app.py

@@ -1,3 +1,4 @@
+# Thư viện để tạo Space
 import gradio as gr
 import pandas as pd
 import matplotlib.pyplot as plt
@@ -5,97 +6,85 @@ 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
-try:
-    # Dữ liệu tỷ giá
-    # Chuyển đổi dự báo tỷ giá
-    df_fx = pd.read_excel('df_fx.xlsx', engine='openpyxl', header=0)
-    data_fx = df_fx[['Date','Market price','Forecast price']]
-    data_fx['Forecast price'] = pd.to_numeric(data_fx['Forecast price'], errors='coerce')
-    data_fx['Market price'] = pd.to_numeric(data_fx['Market price'], errors='coerce')
-    data_fx['Date'] = pd.to_datetime(data_fx['Date'])
-    data_fx.set_index('Date', inplace=True)
-    # Chuyển đổi dữ liệu tỷ giá
-    df_fx1 = pd.read_excel('df_fx1.xlsx', engine='openpyxl', header=0)
-    data_fx1 = df_fx1[['Date','Market price','Forecast price','Cap price','STB price']]
-    data_fx1['Forecast price'] = pd.to_numeric(data_fx1['Forecast price'], errors='coerce')
-    data_fx1['Market price'] = pd.to_numeric(data_fx1['Market price'], errors='coerce')
-    data_fx1['Cap price'] = pd.to_numeric(data_fx1['Cap price'], errors='coerce')
-    data_fx1['STB price'] = pd.to_numeric(data_fx1['STB price'], errors='coerce')
-    data_fx1['Date'] = pd.to_datetime(data_fx1['Date'])
-    data_fx1.set_index('Date', inplace=True)
-
-    # Dữ liệu lãi suất
-    # Chuyển đổi dự báo lãi suất
-    df_rate = pd.read_excel('df_rate.xlsx', engine='openpyxl', header=0)
-    data_rate = df_rate[['Date','Market rate','Forecast rate','STB rate']]
-    data_rate['Market rate'] = data_rate['Market rate']*100
-    data_rate['Forecast rate'] = data_rate['Forecast rate']*100
-    data_rate['STB rate'] = data_rate['STB rate']*100
-    data_rate['Date'] = pd.to_datetime(data_rate['Date'])
-    data_rate.set_index('Date', inplace=True)
-    # Chuyển đổi dữ liệu lãi suất
-    df_rate1 = pd.read_excel('df_rate1.xlsx', engine='openpyxl', header=0)
-    data_rate1 = df_rate1[['Date','Market rate','Forecast rate','STB rate']]
-    data_rate1['Market rate'] = data_rate1['Market rate']*100
-    data_rate1['Forecast rate'] = data_rate1['Forecast rate']*100
-    data_rate1['STB rate'] = data_rate1['STB rate']*100
-    data_rate1['Date'] = pd.to_datetime(data_rate1['Date'])
-    data_rate1.set_index('Date', inplace=True)
-
-    # Dữ liệu Backtest
-    # Chuyển đổi backtest
-    df_test1 = pd.read_excel('df_test1.xlsx', engine='openpyxl', header=0)
-    data_test1 = df_test1[['Date','Market price','Forecast price']]
-    data_test1['Forecast price'] = pd.to_numeric(data_test1['Forecast price'], errors='coerce')
-    data_test1['Market price'] = pd.to_numeric(data_test1['Market price'], errors='coerce')
-    data_test1['Date'] = pd.to_datetime(data_test1['Date'])
-    data_test1.set_index('Date', inplace=True)
-
-
-    df_test2 = pd.read_excel('df_test2.xlsx', engine='openpyxl', header=0)
-    data_test2 = df_test2[['Date','Market price','Forecast price']]
-    data_test2['Forecast price'] = pd.to_numeric(data_test2['Forecast price'], errors='coerce')
-    data_test2['Market price'] = pd.to_numeric(data_test2['Market price'], errors='coerce')
-    data_test2['Date'] = pd.to_datetime(data_test2['Date'])
-    data_test2.set_index('Date', inplace=True)
-
-    df_test3 = pd.read_excel('df_test3.xlsx', engine='openpyxl', header=0)
-    data_test3 = df_test3[['Date','Market price','Forecast price']]
-    data_test3['Forecast price'] = pd.to_numeric(data_test3['Forecast price'], errors='coerce')
-    data_test3['Market price'] = pd.to_numeric(data_test3['Market price'], errors='coerce')
-    data_test3['Date'] = pd.to_datetime(data_test3['Date'])
-    data_test3.set_index('Date', inplace=True)
-except FileNotFoundError:
-    print("Một số file Excel không tồn tại. Sử dụng dữ liệu mẫu.")
-    # Tạo dữ liệu mẫu nếu file không tồn tại
-    df_fx = pd.DataFrame({
-        'Date': pd.date_range('2024-01-01', periods=30, freq='D'),
-        'USD_VND': np.random.normal(25000, 100, 30)
-    })
-    df_rate = pd.DataFrame({
-        'Date': pd.date_range('2024-01-01', periods=30, freq='D'),
-        'Interest_Rate': np.random.normal(4.5, 0.2, 30)
-    })
+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": ["14/07-18/07"],
     "Giá Trị Dự Báo (USD/VND)": ["26,093 – 26,144"],
     "Biến Động": ["-0.1% - 0.3%"],
-    "Xu Hướng": ["Có thể giảm do những tín hiệu tích cực từ thuế quan và thị trường chứng khoán."]
+    "Xu Hướng": ["Dao động và có thể giảm do những tín hiệu tích cực từ thuế quan và thị trường chứng khoán trong nước."]
 }
 
 # Dự báo lãi suất
 interest_rate_forecast = {
     "Tuần": ["14/07-18/07", "21/07-25/07"],
     "Lãi Suất Dự Báo (%)": ["4.75-4.8", "4.8-4.9"],
-    "Xu Hướng": ["Tăng", "Có thể tăng (do đáo hạn các khoản vay OMO, thắt chặt chính sách tiền tệ do rủi ro lạm phát )"]
+    "Xu Hướng": ["Có thể tăng nhẹ", "Có thể tăng (do đáo hạn các khoản vay OMO, thắt chặt chính sách tiền tệ do rủi ro lạm phát )"]
 }
 
 # Backtest tỷ giá
@@ -113,7 +102,7 @@ mape3 = np.mean(np.abs(data_test3['Market price'] - data_test3['Forecast price']
 
 
 backtest_data = {
-    "Tuần": ["23/06-27/06", "30/06-04/07", "07/07-11/07"],
+    "Tuần": ["30/06-04/07", "07/07-11/07","14/07-18/07"],
     "MAE": [round(mae1,2), round(mae2,2), round(mae3,2)],
     "MAPE (%)": [round(mape1,3), round(mape2,3), round(mape3,3)]
 }
@@ -123,188 +112,295 @@ 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='red', 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='blue', width=2),
-            marker=dict(size=4)
-        ))
-
-    fig.update_layout(
-        title="Dự Báo Tỷ Giá USD/VND",
-        xaxis_title="Ngày",
-        yaxis_title="Tỷ Giá (VND)",
-        template="plotly_dark",
-        height=400
-    )
-
+    fig.add_trace(go.Scatter(x=data_fx.index, y=data_fx['Market price'], mode='lines', name='Market price', line=dict(color='red', width=2), marker=dict(size=4)))
+    fig.add_trace(go.Scatter(x=data_fx.index, y=data_fx['Forecast price'], mode='lines', name='Forecast price', line=dict(color='blue', 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='red', 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='blue', 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 )))
-
-  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
-
+    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='yellow', width=2)))
-
-    fig.update_layout(
-        title="Dự Báo Lãi Suất VN IRD 3M",
-        xaxis_title="Ngày",
-        yaxis_title="Lãi Suất (%)",
-        template="plotly_dark",
-        height=400
-    )
-
+    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='yellow', 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='yellow', width = 2 )))
-
-  fig.update_layout( title = "Dữ liệu Lãi Suất VN IRD 3M", xaxis_title = "Ngày", yaxis_title = "Lãi Suất (%)", template = "plotly_dark", height = 400)
-  return fig
+    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'
-    ))
-
-    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
-    )
-
+    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 )))
-  fig.update_layout( title = f"Backtest Tuần {min(data_test1.index)} - {max(data_test1.index)} ", xaxis_title = "Ngày", yaxis_title = "Tỷ Giá (VND)", template = "plotly_dark", height = 400)
-  return fig
+    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 )))
-  fig.update_layout( title = f"Backtest Tuần {min(data_test2.index)} - {max(data_test2.index)} ", xaxis_title = "Ngày", yaxis_title = "Tỷ Giá (VND)", template = "plotly_dark", height = 400)
-  return fig
+    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 )))
-  fig.update_layout( title = f"Backtest Tuần {min(data_test3.index)} - {max(data_test3.index)} ", xaxis_title = "Ngày", yaxis_title = "Tỷ Giá (VND)", template = "plotly_dark", height = 400)
-  return fig
-
-def create_backtest_bar_chart():
-    """Tạo biểu đồ cột cho kết quả backtest"""
     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 14/07 - 18/07/2025"
+
+    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 = '14/07-18/07'
+    hdr_cells1[1].text = '26093 - 26144'
+    hdr_cells1[2].text = '-0.1% - 0.3%'
+    hdr_cells1[3].text = "Dao động và có thể giảm do những tín hiệu tích cực từ thuế quan và thị trường chứng khoán 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 giao động trong khoảng 26093 – 26144, giảm 10đ -tăng 32đ tương đương giao động trong khoảng -0.1% - 0.3% so với giá cuối tuần trước. Chỉ số DXY tăng nhẹ và hiện ở mốc đạt 97.9. 
+            - Trong tuần qua, Tổng thống Trump đã thông báo các mức thuế mới sẽ áp lên hàng hóa các đối tác khác ngoài Việt Nam sẽ có hiệu lực sau ngày 1/8/2025, hầu hết các nước trong khu vực Đông Nam Á và Đông Bắc Á như Nhật Bản, Hàn Quốc đều cao hơn mức thuế Mỹ áp dụng với Việt Nam. Như vậy  mức thuế mới sẽ không làm mất tính cạnh tranh của hàng hóa Việt Nam so với các nước trong khu vực và còn tạo một chút lợi thế nhỏ. Tâm lý thị trường cũng dần ổn định, trên thị trường chứng khoán liên tục lập đỉnh mới tại 1469, VN30 vượt 1500 điểm, cùng với đó dòng vốn ngoại đã quay lại thị trường sau nhiều phiên bán ròng cũng góp phần ổn định tỷ giá.
+            - Tuy nhiên, nhu cầu ngoại tệ trên thị trường vẫn ở mức cao để phục vụ sản xuất. Ngoài ra, thị trường cũng đang trong tâm lý chờ đợi những điều tiết của NHNN và các diễn biến tiếp theo của cuộc chiến thuế quan.
+            - Tỷ giá trung tâm của Ngân hàng Nhà Nước cũng vẫn tăng và duy trình ở mức 25128, tăng hơn 12đ so với đầu tuần trước, điều này là vì tỷ giá trên thị trường chợ đen vẫn ở mức cao bất chấp sự suy giảm trên thị trường liên ngân hàng. Hiện tỷ giá trên thị trường chợ đen đã đạt 26430 bán ra.
+    """) 
+
+
+    # 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 = '14/07-18/07'
+    hdr_cells_rate1[1].text = '4.75 - 4.8'
+    hdr_cells_rate1[2].text = "Có thể tăng nhẹ"
+
+    hdr_cells_rate2 = table2.rows[2].cells
+    hdr_cells_rate2[0].text = '21/07-25/07'
+    hdr_cells_rate2[1].text = '4.8 - 4.9'
+    hdr_cells_rate2[2].text = "Có thể tăng (do đáo hạn các khoản vay OMO, thắt chặt chính sách tiền tệ do rủi ro lạm phát )"
+
+    # 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 xu hướng đi ngang và tiếp tục tăng. Trong tuần 07/07 - 11/07, lãi suất kì hạn 3 tháng giữ nguyên và tăng vào cuối tuần lên mốc 4.8%. Đây là do đợt điều chỉnh của NHNN hút tiền thông qua tín phiếu vào ngày 09/07/2025 khiến lãi suất tăng vọt, mặc dù NHNN có bơm 77000 tỷ thông qua kênh OMO nhưng vẫn hút ròng hơn 7000 tỷ đồng. Ngoài ra, các khoản vay OMO đáo hạn là hơn 61700 tỷ của đợt bơm tiền cuối tháng 6, cũng làm tăng áp lực lên lãi suất. 
+            - Theo mô hình dự báo, lãi suất thị trường vẫn duy trì quanh mức 4.75% và trên lãi suất tái chiết khấu của NHNN là 4.5% trong tuần 14/07-18/07. Nhưng sang tuần 21/07-25/07, lãi suất có thể tăng lên mức 4.8% và tăng tiếp lên 4.9% vào cuối tuần.
+            - Xu hướng tăng là do NHNN 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. Ngoài ra, lạm phát khi mà chỉ số CPI tháng 6 đạt 3.57% tăng 0.48% so với tháng 5, cũng tạo áp lực phải có sự điều tiết tới từ NHNN. Nhiều khả năng mức lãi suất VND LNH 3M có thể tiếp tục dao động ở mức 4.8% để vừa ổn định tỷ giá và tạo mặt bằng lãi suất thấp cho các ngân hàng, hướng tới mục tiêu tăng trưởng tín dụng 16% trong năm nay. 
+    
+    """) 
+
+    # 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.
+            - Tích hợp một số chỉ số kinh tế vĩ mô và ảnh hưởng của tin tức thị trường.
+            - 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 hàng tuần từ các nguồn đáng tin cậy")
+            
+    
+    # Lưu file Word
+    report_title = "Bao_cao_Ty_Gia_va_Lai_Suat_Tuan_14-07-2025.docx"
+    output_path = os.path.join(REPORT_FOLDER, report_title)
+    doc.save(output_path)
+    return output_path
 
-    fig.add_trace(go.Bar(
-        x=df_backtest['Tuần'],
-        y=df_backtest['MAE'],
-        name='MAE',
-        marker_color='#4ecdc4',
-        yaxis='y'
-    ))
-
-    fig.add_trace(go.Bar(
-        x=df_backtest['Tuần'],
-        y=df_backtest['MAPE (%)'],
-        name='MAPE (%)',
-        marker_color='#ffe66d',
-        yaxis='y2'
-    ))
-
-    fig.update_layout(
-        title="Sai Số Mô Hình Theo Tuần (Bar Chart)",
-        xaxis_title="Tuần",
-        yaxis_title="MAE",
-        yaxis2=dict(
-            title="MAPE (%)",
-            overlaying='y',
-            side='right'
-        ),
-        template="plotly_dark",
-        height=400,
-        barmode='group'
-    )
 
-    return fig
 
 # CSS để tạo theme tối
 css = """
@@ -427,18 +523,38 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="cyan"), c
             gr.Markdown("""
             ### 📝 Ghi Chú Quan Trọng:
             🔍 **Phương Pháp Dự Báo:**
-            - Dữ liệu dự báo dựa trên mô hình phân tích kỹ thuật
-            - Tích hợp yếu tố địa chính trị và kinh tế vĩ mô
-            - Sử dụng thuật toán deep learning để tối ưu độ chính xác
+            - Dữ liệu dự báo dựa trên một số chỉ báo phân tích kỹ thuật
+            - Tích hợp một số chỉ số kinh tế vĩ mô và ảnh hưởng của tin tức thị trường
+            - Sử dụng các thuật toán máy học và học sâu để tối ưu độ chính xác
             📊 **Chỉ Số Đánh Giá:**
-            - **MAE (Mean Absolute Error):** Sai số tuyệt đối trung bình
-            - **MAPE (Mean Absolute Percentage Error):** Sai số phần trăm tuyệt đối trung bình
+            - **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:**
             - 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:** Dữ liệu được cập nhật liên tục từ các nguồn đáng tin cậy
             """)
+    with gr.Row():
+                word_btn_fx = gr.Button("📥 Xuất Word",  size="sm", variant="secondary")
+                report_output_fx = gr.File(label="Báo cáo đã 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__":