"""
매일 아침 장 시작 전(9시) 실행되는 배치 분석 스크립트

전체 거래 종목을 분석하여 DB에 저장
  1. 시장 레짐 판별 (KOSPI200 기준 BULL/BEAR/SIDEWAYS)
  2. 차트 데이터 조회 + 기술적 지표 계산
  3. 매매 신호 생성 + DB Streaming 저장 (분석 즉시 UPSERT)
  4. 배치 완료 후 DB 스캐너 실행 (추가 API 호출 없이)
  5. 워치리스트 초기화 — 스캐너 신호 종목 우선 배치

성능 개선 (이전 대비):
  - BATCH_CONCURRENCY: 5 → 10 (API 세마포어 허용 범위 내)
  - DB 트랜잭션: 종목당 2개(DELETE+INSERT) → UPSERT (원자적, race-condition 없음)
  - Streaming: 전체 메모리 적재 → 분석 완료 즉시 BULK_SAVE_CHUNK(20)개 단위 저장
  - DB 엔진: 스크립트 자체 생성 → app.core.database 공통 모듈 사용

실행: python batch_daily_analysis.py
Cron: 0 9 * * 1-5 cd /path/to/auto-stock/backend && python batch_daily_analysis.py
"""

import asyncio
import sys
from datetime import datetime, date, timedelta
from pathlib import Path
from typing import Optional

import pytz
KST = pytz.timezone('Asia/Seoul')

sys.path.insert(0, str(Path(__file__).parent))

from app.core.config import settings
from app.core.database import AsyncSessionLocal          # 🔧 공통 DB 모듈 사용
from sqlalchemy import select as sa_select, func as sa_func
from app.models.models import StockDailyPrice
from app.services.analysis_db_service import bulk_upsert_analysis, passes_price_filter, run_db_scanner  # 🔧 단일화
from app.services.market_analyzer import analyze_stock_for_batch_db, StockRecommendation
from app.services.market_analyzer import (
    reset_ml_skip_stats, log_ml_skip_summary,
)
import logging

# 🔧 [fix] logging.basicConfig는 __main__ 블록에서만 호출
#    인프로세스 스케줄러(main.py)로 실행될 때 로그 설정 충돌 방지
logger = logging.getLogger(__name__)


# -------------------------------------------------------------------
# 성능 설정
# -------------------------------------------------------------------
BATCH_CONCURRENCY = 10    # API 세마포어 허용 범위 내 동시 처리 수
BULK_SAVE_CHUNK   = 20    # Streaming 저장 단위 (큐에 20개 쌓이면 즉시 UPSERT)

# 종목 목록 조회 실패 시 배치를 중단할 최소 종목 수
MIN_STOCK_COUNT = 50


# -------------------------------------------------------------------
# 1. 시장 레짐 판별 (KOSPI 기준)
# -------------------------------------------------------------------

async def _fetch_db_chart(stock_code: str, limit: int = 240) -> list:
    """stock_daily_prices DB에서 KIS 형식 차트 데이터 조회 (newest first).

    KIS API 호출 없이 collect_krx_data.py가 사전 수집한 데이터를 사용.
    """
    async with AsyncSessionLocal() as db:
        result = await db.execute(
            sa_select(StockDailyPrice)
            .where(StockDailyPrice.stock_code == stock_code)
            .order_by(StockDailyPrice.trade_date.desc())
            .limit(limit)
        )
        rows = result.scalars().all()
    return [
        {
            "stck_bsop_date": row.trade_date.strftime("%Y%m%d"),
            "stck_clpr": str(row.close_price or 0),
            "stck_oprc": str(row.open_price or 0),
            "stck_hgpr": str(row.high_price or 0),
            "stck_lwpr": str(row.low_price or 0),
            "acml_vol": str(row.volume or 0),
            "hts_kor_isnm": row.stock_name or "",
        }
        for row in rows
    ]


async def detect_and_log_market_regime() -> str:
    """배치 시작 시 KOSPI200 레짐 판별 — KIS API로 KODEX200(069500) 일봉 조회.

    BULL / BEAR 중 하나를 리턴하며 배치 전체에 로깅된다.
    실패 시 UNKNOWN을 리턴하여 배치를 차단하지 않는다.

    1차: KIS API get_daily_ohlcv_range (069500, 320일)
    2차 폴백: DB stock_daily_prices
    """
    try:
        # [M-4 2026-10-02 3회차] 배치는 앱 내부 스케줄러에서 같은 프로세스로 돈다 →
        # detect_market_regime() 은 실전 히스테리시스 전역(_previous_regime)을 덮어쓴다.
        # 무상태 v2 를 쓴다(배치 판정은 로깅용).
        from app.services.mean_reversion_strategy import detect_market_regime_v2
        from app.services.korea_investment_api import korea_investment_api

        closes: list[float] = []

        # 1차: KIS API — KODEX200 일봉 320캘린더일
        try:
            end_dt = datetime.now(KST)
            start_dt = end_dt - timedelta(days=320)
            chart_data = await korea_investment_api.get_daily_ohlcv_range(
                "069500",
                start_dt.strftime("%Y%m%d"),
                end_dt.strftime("%Y%m%d"),
            )
            if chart_data and len(chart_data) >= 205:
                # KIS API 결과는 newest first → oldest first 변환
                closes = list(reversed([float(item["stck_clpr"]) for item in chart_data]))
                logger.info("📡 KODEX200 KIS API 조회 성공: %d행", len(closes))
        except Exception as api_exc:
            logger.warning("⚠️  KIS API KODEX200 조회 실패, DB 폴백 시도: %s", api_exc)

        # 2차 폴백: DB
        if len(closes) < 205:
            chart_data = await _fetch_db_chart("069500", limit=240)
            if chart_data:
                closes = list(reversed([float(item["stck_clpr"]) for item in chart_data]))
                logger.info("📂 KODEX200 DB 폴백 조회: %d행", len(closes))

        if len(closes) < 205:
            logger.warning("⚠️  KOSPI200 데이터 부족(%d행) — 레짐 판별 스킵", len(closes))
            return "UNKNOWN"

        regime = detect_market_regime_v2(closes)
        regime_emoji = {"bull": "📈 BULL", "bear": "📉 BEAR"}.get(regime.value, "➡️ " + regime.value.upper())
        logger.info("🌏 시장 레짐: %s (KODEX200 %d일 기준)", regime_emoji, len(closes))
        return regime.value.upper()

    except Exception as exc:
        logger.error("❌ 레짐 판별 실패: %s", exc, exc_info=True)
        return "UNKNOWN"


# -------------------------------------------------------------------
# 2. 종목 목록 조회
# -------------------------------------------------------------------

async def _get_stocks_from_db(limit: int = 500) -> list[tuple[str, str]]:
    """stock_daily_prices DB에서 종목 목록 조회 (KIS API 실패 시 폴백).

    최근 거래일 기준으로 데이터가 있는 종목을 조회한다.
    ETF / 레버리지 / 인버스 / 스팩 등 특수종목은 이름 기반으로 제외.
    """
    SKIP_KEYWORDS = [
        "ETF", "레버리지", "인버스", "KODEX", "TIGER", "ARIRANG",
        "KBSTAR", "HANARO", "SOL", "ACE", "KOSEF", "KINDEX", "RISE",
        "선물", "스팩", "리츠", "SPAC",
    ]

    async with AsyncSessionLocal() as db:
        # 최근 거래일 조회
        latest_date_result = await db.execute(
            sa_select(sa_func.max(StockDailyPrice.trade_date))
        )
        latest_date = latest_date_result.scalar()

        if not latest_date:
            logger.warning("⚠️  stock_daily_prices 테이블이 비어 있음")
            return []

        logger.info("📂 DB 폴백: %s 기준 종목 조회", latest_date)

        # 최근 거래일 종목 전체 조회 (종목코드, 종목명)
        result = await db.execute(
            sa_select(StockDailyPrice.stock_code, StockDailyPrice.stock_name)
            .where(StockDailyPrice.trade_date == latest_date)
            .where(StockDailyPrice.close_price > 5000)
            .order_by(StockDailyPrice.volume.desc())
            .limit(limit * 3)  # 필터 후 충분한 수가 남도록 여유분 조회
        )
        rows = result.all()

    stocks = []
    for code, name in rows:
        if not name:
            continue
        name_upper = name.upper()
        if any(kw.upper() in name_upper for kw in SKIP_KEYWORDS):
            continue
        stocks.append((code, name))
        if len(stocks) >= limit:
            break

    logger.info("📂 DB 폴백 결과: %d개 종목 (%s 기준)", len(stocks), latest_date)
    return stocks


async def get_all_tradable_stocks(limit: int = 500) -> list[tuple[str, str]]:
    """네이버 파이낸스 시가총액 순위로 거래 가능 종목 조회 (KOSPI 60% + KOSDAQ 40%).

    ETF / 레버리지 / 스팩 등 특수종목 자동 제외.
    네이버 파이낸스 결과가 MIN_STOCK_COUNT(50) 미만이면 stock_daily_prices DB 폴백을 사용한다.
    DB 폴백도 실패하면 RuntimeError를 발생시켜 배치를 중단한다.
    """
    from app.services.naver_finance import get_naver_stock_list

    logger.info("📡 네이버 파이낸스 종목 조회 (KOSPI+KOSDAQ, limit=%d)", limit)
    stocks = await get_naver_stock_list(
        max_pages_per_market=10,
        limit=limit,
        kospi_ratio=0.6,  # KOSPI 300 + KOSDAQ 200 (limit=500 기준)
    )

    if len(stocks) < MIN_STOCK_COUNT:
        logger.warning(
            "⚠️  네이버 파이낸스 결과 부족 (%d개 < %d개) — DB 폴백 사용",
            len(stocks), MIN_STOCK_COUNT,
        )
        db_stocks = await _get_stocks_from_db(limit)

        if len(db_stocks) < MIN_STOCK_COUNT:
            raise RuntimeError(
                f"종목 조회 실패: 네이버({len(stocks)}개) 및 DB 폴백({len(db_stocks)}개) 모두 "
                f"최소 기준({MIN_STOCK_COUNT}개) 미달."
            )

        result = db_stocks[:limit]
        logger.info("✅ DB 폴백 선정 %d개", len(result))
        return result

    logger.info("✅ 선정 %d개", len(stocks))
    return stocks


# -------------------------------------------------------------------
# 2.5. 보유종목+분석종목 차트 데이터 KIS → DB 수집
# -------------------------------------------------------------------

CHART_COLLECT_CONCURRENCY = 5   # KIS API 동시 호출 수 (차트 수집용)
CHART_COLLECT_DAYS = 400        # 수집할 캘린더일 수 (약 240 거래일)

async def _collect_chart_for_stock(
    stock_code: str,
    stock_name: str,
    start_date: str,
    end_date: str,
    semaphore: asyncio.Semaphore,
) -> tuple[str, int]:
    """단일 종목 차트 데이터를 KIS API에서 가져와 DB에 UPSERT.

    Returns: (stock_code, 저장된 행 수)
    """
    from app.services.korea_investment_api import korea_investment_api
    from sqlalchemy.dialects.postgresql import insert as pg_insert

    async with semaphore:
        try:
            raw_items = await korea_investment_api.get_daily_ohlcv_range(
                stock_code, start_date, end_date,
            )
            if not raw_items:
                return stock_code, 0

            records = []
            for item in raw_items:
                try:
                    trade_date_str = item.get("stck_bsop_date", "")
                    if not trade_date_str or len(trade_date_str) != 8:
                        continue
                    td = date(
                        int(trade_date_str[:4]),
                        int(trade_date_str[4:6]),
                        int(trade_date_str[6:8]),
                    )
                    close_price = int(float(str(item.get("stck_clpr", "0")).replace(",", "")))
                    if close_price == 0:
                        continue
                    records.append({
                        "stock_code": stock_code,
                        "stock_name": stock_name,
                        "trade_date": td,
                        "open_price": int(float(str(item.get("stck_oprc", "0")).replace(",", ""))),
                        "high_price": int(float(str(item.get("stck_hgpr", "0")).replace(",", ""))),
                        "low_price": int(float(str(item.get("stck_lwpr", "0")).replace(",", ""))),
                        "close_price": close_price,
                        "volume": int(item.get("acml_vol", 0)),
                        "change_rate": None,
                        "market_cap": None,
                    })
                except (ValueError, TypeError):
                    continue

            if not records:
                return stock_code, 0

            # DB UPSERT (500건 단위)
            async with AsyncSessionLocal() as session:
                batch_size = 500
                for i in range(0, len(records), batch_size):
                    batch = records[i: i + batch_size]
                    stmt = pg_insert(StockDailyPrice).values(batch)
                    stmt = stmt.on_conflict_do_update(
                        constraint="uq_stock_daily",
                        set_={
                            "stock_name": stmt.excluded.stock_name,
                            "open_price": stmt.excluded.open_price,
                            "high_price": stmt.excluded.high_price,
                            "low_price": stmt.excluded.low_price,
                            "close_price": stmt.excluded.close_price,
                            "volume": stmt.excluded.volume,
                        },
                    )
                    await session.execute(stmt)
                await session.commit()

            return stock_code, len(records)

        except Exception as exc:
            logger.warning("⚠️  차트수집 실패 %s: %s", stock_code, exc)
            return stock_code, 0


async def collect_chart_data_for_targets(
    analysis_stocks: list[tuple[str, str]],
) -> int:
    """보유종목 + 분석 대상 종목의 차트 데이터를 KIS API에서 수집하여 DB 저장.

    - 보유종목: portfolio 테이블에서 조회
    - 분석종목: 배치에서 넘겨받은 종목 리스트
    - 중복 제거 후 KIS API 호출

    Returns: 총 저장된 행 수
    """
    from app.models.models import Portfolio

    # 1. 보유종목 조회
    portfolio_stocks: list[tuple[str, str]] = []
    try:
        async with AsyncSessionLocal() as session:
            result = await session.execute(
                sa_select(Portfolio.stock_code, Portfolio.stock_name)
                .where(Portfolio.quantity > 0)
            )
            portfolio_stocks = [(row[0], row[1] or "") for row in result.all()]
        logger.info("📂 보유종목: %d개", len(portfolio_stocks))
    except Exception as exc:
        logger.warning("⚠️  보유종목 조회 실패: %s", exc)

    # 2. 중복 제거 (보유종목 우선)
    seen = set()
    targets: list[tuple[str, str]] = []
    for code, name in portfolio_stocks + analysis_stocks:
        if code not in seen:
            seen.add(code)
            targets.append((code, name))

    if not targets:
        logger.info("📊 차트 수집 대상 없음")
        return 0

    logger.info("📊 차트 데이터 수집 시작: %d종목 (보유 %d + 분석 %d, 중복제거)",
                len(targets), len(portfolio_stocks), len(analysis_stocks))

    # 3. 날짜 범위
    end_dt = datetime.now(KST)
    start_dt = end_dt - timedelta(days=CHART_COLLECT_DAYS)
    start_date = start_dt.strftime("%Y%m%d")
    end_date = end_dt.strftime("%Y%m%d")

    # 4. 병렬 수집
    semaphore = asyncio.Semaphore(CHART_COLLECT_CONCURRENCY)
    results = await asyncio.gather(
        *[
            _collect_chart_for_stock(code, name, start_date, end_date, semaphore)
            for code, name in targets
        ],
        return_exceptions=True,
    )

    total_saved = 0
    success_count = 0
    for r in results:
        if isinstance(r, tuple):
            code, count = r
            total_saved += count
            if count > 0:
                success_count += 1

    logger.info("✅ 차트 데이터 수집 완료: %d종목 성공 / %d종목 총 %d행 저장",
                success_count, len(targets), total_saved)
    return total_saved


# -------------------------------------------------------------------
# 3. 단일 종목 분석 (순수 분석만 — DB 저장 없음)
# -------------------------------------------------------------------

async def analyze_one_stock(
    idx: int,
    total: int,
    stock_code: str,
    stock_name: str,
) -> tuple[str, Optional[StockRecommendation]]:
    """종목 분석만 수행하고 결과 반환. DB 저장은 Streaming 저장기에서 처리.

    DB(stock_daily_prices)에서 차트 데이터를 조회 — KIS API 호출 없음.

    Returns: (status, result)
      status: "ok" | "no_chart" | "price_filter" | "error"
    """
    try:
        logger.info("[%d/%d] 분석 중: %s (%s)", idx, total, stock_code, stock_name)

        chart_data = await _fetch_db_chart(stock_code)
        if not chart_data:
            logger.info("샘 차트없음(DB) %s (%s)", stock_code, stock_name)
            return "no_chart", None

        result = await analyze_stock_for_batch_db(chart_data, stock_code, stock_name)

        if not result:
            logger.info("샘 차트없음 %s (%s)", stock_code, stock_name)
            return "no_chart", None

        # 5,000원 이하 저가주 제외 (CLAUDE.md 5절 가격 필터)
        if not passes_price_filter(result):
            logger.info("샘 가격필터 %s: %.0f원 < 5,000원", stock_code, result.current_price)
            return "price_filter", None

        ml_info = f", ml_score={result.ml_score}" if result.ml_score is not None else ""
        logger.info("✅ 분석완료 %s (%s): score=%s%s", stock_code, stock_name, result.score, ml_info)
        return "ok", result

    except Exception as exc:
        logger.error("❌ Failed %s: %s", stock_code, exc)
        return "error", None


# -------------------------------------------------------------------
# 4. Streaming 저장기 — 분석 완료 즉시 BULK_SAVE_CHUNK 단위 UPSERT
# -------------------------------------------------------------------

async def _streaming_saver(
    queue: asyncio.Queue,
    analysis_date: date,
) -> dict:
    """큐에서 분석 결과를 꺼내 BULK_SAVE_CHUNK(20)개마다 즉시 DB UPSERT.

    전체 메모리 적재 없이 분석 완료 즉시 저장하여 메모리 사용 최소화.

    Returns: stats dict {"ok", "no_chart", "price_filter", "error", "saved"}
    """
    buffer: list[tuple[str, str, StockRecommendation]] = []
    stats = {"ok": 0, "no_chart": 0, "price_filter": 0, "error": 0, "saved": 0}

    try:
        while True:
            item = await queue.get()
            if item is None:  # sentinel: 분석 완료
                break

            status, code, name, result = item
            stats[status] = stats.get(status, 0) + 1

            if status == "ok" and result:
                buffer.append((code, name, result))

            # 버퍼가 청크 크기에 도달하면 즉시 저장
            if len(buffer) >= BULK_SAVE_CHUNK:
                async with AsyncSessionLocal() as session:
                    saved = await bulk_upsert_analysis(session, buffer, analysis_date)
                    await session.commit()
                stats["saved"] += saved
                logger.info("💾 DB 저장: %d건 누적", stats["saved"])
                buffer.clear()

        # 나머지 잔여분 저장
        if buffer:
            async with AsyncSessionLocal() as session:
                saved = await bulk_upsert_analysis(session, buffer, analysis_date)
                await session.commit()
            stats["saved"] += saved
            logger.info("💾 DB 저장(잔여): %d건 누적", stats["saved"])

    except Exception as exc:
        # 🔧 [fix] saver_task 예외 시 큐를 드레인하여 분석 태스크 deadlock 방지
        logger.error("❌ _streaming_saver 예외 발생 — 큐 드레인 후 종료: %s", exc, exc_info=True)
        # 큐에 남은 항목 모두 소비하여 analyze_one의 queue.put() 블로킹 해제
        while not queue.empty():
            try:
                queue.get_nowait()
            except asyncio.QueueEmpty:
                break

    return stats


# -------------------------------------------------------------------
# 6. 메인 배치
# -------------------------------------------------------------------

async def batch_analyze_all_stocks(limit: int = None):
    """전체 종목 배치 분석

    실행 순서:
      1. 시장 레짐 판별 (KOSPI 지수 기준)
      2. 시가총액 상위 500개 종목 조회
      3. 세마포어로 BATCH_CONCURRENCY(10)개씩 병렬 분석 (API 호출만)
      4. Streaming: 분석 완료 즉시 BULK_SAVE_CHUNK(20)개 단위 DB UPSERT
      5. DB 스캐너 실행 (추가 API 호출 없음)
      6. 워치리스트 초기화 — 스캐너 신호 종목 우선

    성능 개선 (기존 대비):
      - DB 트랜잭션: DELETE+INSERT race-condition → 원자적 UPSERT
      - 메모리: 전체 결과 적재 → Streaming(분석 즉시 저장)
      - DB 엔진: 스크립트 자체 생성 → 공통 모듈 공유
    """
    start_time    = datetime.now(KST)
    analysis_date = datetime.now(KST).date()

    logger.info("🚀 Starting daily batch analysis for %s", analysis_date)
    logger.info("⚙️  동시 처리: %d종목 | 벌크저장 단위: %d개 | API 세마포어: %dreq",
                BATCH_CONCURRENCY, BULK_SAVE_CHUNK, settings.API_MAX_CONCURRENT_REQUESTS)

    # ML 스킵 집계 초기화 — 사이클 종료 시 사유별 1줄 요약을 남긴다.
    # 9/23~9/28 닷새간 ml_score 가 200/200 NULL 이었는데 로그가 0줄이었다. (2026-09-28)
    reset_ml_skip_stats()

    # Step 0: DB 데이터 사전 확인 (collect_krx_data.py 미실행 감지)
    async with AsyncSessionLocal() as _db:
        _db_check = await _db.execute(
            sa_select(StockDailyPrice.trade_date)
            .order_by(StockDailyPrice.trade_date.desc())
            .limit(1)
        )
        _last_row = _db_check.scalar()
    if _last_row is None:
        logger.error(
            "❌ stock_daily_prices 테이블이 비어있습니다. "
            "먼저 collect_krx_data.py를 실행하여 데이터를 수집하세요."
        )
        raise RuntimeError("DB에 차트 데이터 없음 — collect_krx_data.py 선행 실행 필요")
    from datetime import timedelta as _td
    _days_old = (date.today() - _last_row).days
    if _days_old > 3:
        logger.warning(
            "⚠️  DB 마지막 데이터: %s (%d일 전) — collect_krx_data.py --update 실행 권장",
            _last_row, _days_old
        )
    else:
        logger.info("✅ DB 최신 데이터: %s", _last_row)

    # Step 1: 시장 레짐 판별
    regime = await detect_and_log_market_regime()

    # Step 2: 종목 목록 조회 (KIS 거래량 순위 API)
    all_stocks = await get_all_tradable_stocks(limit=500)
    filtered_stocks = all_stocks[:limit] if limit else all_stocks
    total = len(filtered_stocks)
    logger.info("📊 분석 대상: %d개 (시장 레짐: %s)", total, regime)

    # Step 2.5: 보유종목+분석종목 차트 데이터 KIS → DB 수집
    try:
        chart_rows = await collect_chart_data_for_targets(filtered_stocks)
        logger.info("📈 차트 데이터 DB 저장 완료: %d행", chart_rows)
    except Exception as exc:
        logger.warning("⚠️  차트 데이터 수집 실패 (non-critical, 기존 DB 데이터로 계속): %s", exc)

    # Step 3 + 4: 병렬 분석 & Streaming 저장
    #   분석 태스크 → queue → _streaming_saver (동시 실행)
    queue: asyncio.Queue = asyncio.Queue(maxsize=BULK_SAVE_CHUNK * 3)
    semaphore = asyncio.Semaphore(BATCH_CONCURRENCY)

    # saver_task를 먼저 시작
    saver_task = asyncio.create_task(_streaming_saver(queue, analysis_date))

    async def analyze_one(i: int, code: str, name: str):
        try:
            async with semaphore:
                status, result = await analyze_one_stock(i, total, code, name)
            # saver가 이미 종료(예외 등)됐으면 put 블로킹 방지
            if not saver_task.done():
                await queue.put((status, code, name, result))
            else:
                logger.warning("⚠️  saver 종료됨 — %s 저장 건너뜀", code)
        except Exception as exc:
            logger.error("❌ analyze_one unexpected error %s: %s", code, exc)
            if not saver_task.done():
                await queue.put(("error", code, name, None))

    # 분석 태스크 전체 실행 (완료까지 대기)
    await asyncio.gather(
        *[analyze_one(i, c, n) for i, (c, n) in enumerate(filtered_stocks, 1)],
        return_exceptions=True,
    )

    # 모든 분석 완료 후 sentinel 전송 → saver 정상 종료
    # 기존 코드의 deadlock 원인: sentinel을 asyncio.wait() 이후에 보냈기 때문에
    # FIRST_EXCEPTION 모드에서 예외 없으면 ALL_COMPLETED 동작 → saver가 sentinel을
    # 기다리며 무한 대기 (deadlock)
    if not saver_task.done():
        await queue.put(None)

    stats = {}
    try:
        stats = await saver_task
    except Exception as exc:
        logger.error("❌ saver_task 최종 오류: %s", exc)

    ok_count  = stats.get("ok", 0)
    no_chart  = stats.get("no_chart", 0)
    price_flt = stats.get("price_filter", 0)
    err_count = stats.get("error", 0)
    save_count = stats.get("saved", 0)

    # Step 5: DB 스캐너 (배치 완료 후 추가 API 호출 없이)
    scanner_tickers = await run_db_scanner(analysis_date)

    # Step 6: 워치리스트 초기화 — 스캐너 신호 종목 우선
    try:
        from app.services.watchlist import initialize_watchlist
        async with AsyncSessionLocal() as session:
            count = await initialize_watchlist(
                session, analysis_date, scanner_tickers=scanner_tickers
            )
        logger.info("📋 워치리스트 초기화 완료: %d개 (스캐너 신호 %d개 포함)",
                    count, len(scanner_tickers))
    except Exception as exc:
        logger.warning("⚠️  워치리스트 초기화 실패 (non-critical): %s", exc)

    # 결과 요약
    duration = (datetime.now(KST) - start_time).total_seconds()

    logger.info("=" * 60)
    logger.info("✅ Batch analysis completed!")
    logger.info("🌏 시장 레짐: %s", regime)
    logger.info("📊 성공: %d / 전체: %d | DB저장: %d건", ok_count, total, save_count)
    logger.info("   ├─ 차트없음: %d건", no_chart)
    logger.info("   ├─ 가격필터: %d건", price_flt)
    logger.info("   ├─ 오류:     %d건", err_count)
    logger.info("🔍 DB 스캐너 신호: %d개", len(scanner_tickers))
    log_ml_skip_summary("일일배치")
    logger.info("⏱️  %.1f초 (%.1f분)", duration, duration / 60)
    logger.info("=" * 60)


# -------------------------------------------------------------------
# Entry Point
# -------------------------------------------------------------------

async def main():
    import argparse
    parser = argparse.ArgumentParser(description='Daily Stock Analysis Batch')
    parser.add_argument('--limit', type=int, help='Limit number of stocks (for testing)')
    parser.add_argument('--test',  action='store_true', help='Test mode (10 stocks)')
    args = parser.parse_args()

    if args.test:
        logger.info("🧪 TEST MODE: 10개 종목")
        await batch_analyze_all_stocks(limit=10)
    elif args.limit:
        await batch_analyze_all_stocks(limit=args.limit)
    else:
        await batch_analyze_all_stocks()


if __name__ == "__main__":
    # 🔧 [fix] basicConfig를 __main__ 블록으로 이동
    #    인프로세스 스케줄러(main.py lifespan)에서 import될 때 로그 설정 충돌 방지
    from app.core.logging_config import KSTFormatter
    _fmt = KSTFormatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
    _handler = logging.StreamHandler()
    _handler.setFormatter(_fmt)
    logging.basicConfig(level=logging.INFO, handlers=[_handler])
    asyncio.run(main())