Update app.py

app.py

@@ -46,12 +46,12 @@ def analyze_stock(symbol, prediction_days=30):
         # kalkulasi TP1, TP2, SL yang diperbarui berdasarkan quantiles/range prediksi
         last_price = data['Close'].iloc[-1]
         
-        # FIX 3: Dapatkan array prediksi dengan fallback ke array yang berisi harga terakhir
+        # Dapatkan array prediksi dengan fallback ke array yang berisi harga terakhir
         q05 = predictions.get('values', np.array([last_price]))
         q01 = predictions.get('q01', np.array([last_price * 0.95]))
         q09 = predictions.get('q09', np.array([last_price * 1.05]))
         
-        # FIX 3: Robust max/min calculation
+        # Robust max/min calculation
         q05_max = np.max(q05) if q05.size > 0 else last_price
         q09_max = np.max(q09) if q09.size > 0 else last_price * 1.05
         q01_min = np.min(q01) if q01.size > 0 else last_price * 0.95
@@ -89,12 +89,13 @@ def analyze_stock(symbol, prediction_days=30):
         empty_predictions = {
             "high_30d": 0, "low_30d": 0, "change_pct": 0,
             "summary": f"Prediction unavailable. Model error: {e}",
+            # Menggunakan list kosong sebagai fallback jika error terjadi
             "q01": [], "q09": [], 
             "tp1": default_tp1, "tp2": default_tp2, "sl": default_sl,
         }
         empty_risk = {"error": "Prediction Model Failed to Load/Run. See console for details."}
         
-        # FIX 4: Mengembalikan None untuk output plot Gradio untuk membersihkan plot
+        # Mengembalikan None untuk output plot Gradio untuk membersihkan plot
         return {}, {}, {}, empty_risk, None, None, None, empty_predictions
 
 
@@ -110,7 +111,7 @@ def update_analysis(symbol, prediction_days):
         predictions,
     ) = analyze_stock(symbol, prediction_days)
 
-    # FIX 4: Cek apakah ada plot yang None (berarti ada error)
+    # Cek apakah ada plot yang None (berarti ada error)
     if fig_price is None: 
         error_msg = f"Unable to run AI prediction or fetch data for {symbol.upper()}. Check the model logs for details."
         tp_sl_info = f"<b>TP1:</b> Rp{predictions.get('tp1', 0):,.2f}<br><b>TP2:</b> Rp{predictions.get('tp2', 0):,.2f}<br><b>Stop Loss:</b> Rp{predictions.get('sl', 0):,.2f}<br><br><b>Model Insight:</b><br>{predictions.get('summary', 'Data fetching or model execution failed. Cannot proceed with analysis.')}"
@@ -122,8 +123,19 @@ def update_analysis(symbol, prediction_days):
             None, # fig_prediction
         )
 
+    # --- AI FORECAST ---
+    q01_values = predictions.get('q01', [])
+    q09_values = predictions.get('q09', [])
+
+    # FIX: Robust check untuk array NumPy/list kosong
+    # Konversi ke NumPy array dan periksa ukuran (.size > 0) untuk menghindari ValueError
+    q01_arr = np.array(q01_values)
+    q09_arr = np.array(q09_values)
+
+    band_min = float(np.min(q01_arr)) if q01_arr.size > 0 else 0
+    band_max = float(np.max(q09_arr)) if q09_arr.size > 0 else 0
+
     # --- FUNDAMENTALS ---
-    # ... (code for fundamentals remains the same)
     fundamentals = f"""
     <h4>COMPANY FUNDAMENTALS</h4>
     <b>Name:</b> {fundamental_info.get('name', 'N/A')} ({symbol.upper()})<br>
@@ -135,7 +147,6 @@ def update_analysis(symbol, prediction_days):
     """
 
     # --- TECHNICAL SIGNAL ---
-    # ... (code for trading_signal remains the same)
     details_list = "".join(
         [f"<li>{line.strip()}</li>" for line in signals.get("details", "").split("\n") if line.strip()]
     )
@@ -154,7 +165,6 @@ def update_analysis(symbol, prediction_days):
     """
     
     # --- RISK METRICS ---
-    # ... (code for risk_report remains the same)
     risk_details = ""
     if "error" in risk_metrics:
         risk_details = f"<b style='color: red;'>{risk_metrics['error']}</b>"
@@ -167,14 +177,7 @@ def update_analysis(symbol, prediction_days):
     {risk_details}
     """
     
-    # --- AI FORECAST ---
-    # Perlu memastikan q01/q09 tidak kosong
-    q01_values = predictions.get('q01', [])
-    q09_values = predictions.get('q09', [])
-    
-    band_min = float(min(q01_values)) if q01_values and len(q01_values) > 0 else 0
-    band_max = float(max(q09_values)) if q09_values and len(q09_values) > 0 else 0
-
+    # --- AI FORECAST (Lanjutan) ---
     prediction = f"""
     <h4>{prediction_days}-DAY AI FORECAST (CHRONOS-2 + COVARIATES)</h4>
     <b>Predicted Median High:</b> Rp{predictions.get('high_30d', 0):,.2f}<br>