/*
 * 예측 정확도 진단(gap-analytics) — SPC 두 축(안정성·편향)·정확도·보정의 canonical 계산을 서버에서 단언.
 * 클라에서 이전한 순수 함수라 DB 무의존, 결정적.
 */
import { test } from 'node:test'
import assert from 'node:assert/strict'

import { computeSpc, gapMetrics, learnedCalibration, aggregatePoints } from '../server/service/twin-forecast/gap-analytics.ts'

const pt = (error: number, actual = 100, inBand = true) => ({
  t: 0, p50: actual - error, min: 0, max: 0, actual, error, inBand,
  naiveAbsError: Math.abs(error) + 1, modelAbsError: Math.abs(error)
})

test('computeSpc — 표본 부족(n<4)은 insufficient', () => {
  assert.equal(computeSpc([1, 2, 3]).insufficient, true)
})

test('computeSpc — 안정적·무편향: 0 주변 교대 오차', () => {
  const spc = computeSpc([1, -1, 1, -1, 1, -1, 1, -1])
  assert.equal(spc.stable, true, '이탈·추세 없음 → 안정')
  assert.equal(spc.biased, false, '평균 0 → 무편향')
})

test('computeSpc — 안정적이지만 편향: 계속 +6 (안정성과 편향은 별개 축)', () => {
  const spc = computeSpc([6, 6, 6, 6, 6, 6])
  assert.equal(spc.stable, true, '오차 폭 일정 → 안정')
  assert.equal(spc.biased, true, '평균이 0 에서 크게 벗어남 → 편향')
  assert.equal(spc.biasSign, 'under', 'CL>0 = 실제>예측 = 과소예측')
})

test('computeSpc — 급변(3σ 이탈)은 shift', () => {
  const spc = computeSpc([0.1, -0.1, 0.1, -0.1, 0.1, -0.1, 10])
  assert.equal(spc.instability, 'shift')
  assert.equal(spc.stable, false)
})

test('gapMetrics — 정확도=1−WMAPE, 커버리지·FVA', () => {
  const m = gapMetrics([pt(1, 10, true), pt(-1, 10, false)])
  assert.equal(m.accuracy, 90, '오차합2/실제합20=10% → 90%')
  assert.equal(m.inBandCount, 1)
  assert.equal(m.total, 2)
  assert.equal(m.fva, 2, 'Σ(naiveAbs−modelAbs) = (2−1)+(2−1)')
  assert.equal(m.fvaPct, 50, 'naive 오차 4 → 모델 2 → 50% 감소(예측 가치)')
})

test('learnedCalibration — biasShift=평균오차, 편향 제거로 정확도 개선', () => {
  const pts = [pt(6, 100), pt(6, 100), pt(6, 100)]
  const learn = learnedCalibration(pts, gapMetrics(pts))
  assert.equal(learn.biasShift, 6, '학습된 편향 = 평균 오차')
  assert.ok(learn.accAfter >= learn.accBefore, '편향 제거 → 정확도 유지·개선')
  assert.equal(learn.accAfter, 100, '일정 편향을 완전 제거 → 잔차 0 → 100%')
})

/*
 * ★ Nothing to divide by is not 100% (2026-09-24). With every actual at 0 the card read
 * "100% accurate" beside "0 of 6 in band, mean error −20" — the installed build gave exactly that.
 */
test('gapMetrics — a window with no actual says the percentages are not measured, and keeps what is', () => {
  const idle = Array.from({ length: 6 }, () => ({ t: 0, p50: 20, min: 15, max: 25, actual: 0, error: -20, inBand: false, naiveAbsError: 0, modelAbsError: 20 }))
  const m = gapMetrics(idle)
  assert.equal(m.accuracy, null, 'WMAPE has no denominator — not 100%')
  assert.equal(m.fvaPct, null, 'the naive error is 0 — "adds nothing" would be invented')
  /* Measured in that window, so they stay. */
  assert.equal(m.mpe, -20)
  assert.equal(m.inBandCount, 0)
  assert.equal(m.total, 6)
  assert.equal(m.fva, -120)
})

test('learnedCalibration — the bias is still learned with no actual; only the percentages are not', () => {
  const idle = Array.from({ length: 4 }, () => pt(-20, 0, false))
  const learn = learnedCalibration(idle, gapMetrics(idle))
  assert.equal(learn.biasShift, -20, 'forecasting 20 over a standing line is a bias worth removing')
  assert.equal(learn.accBefore, null)
  assert.equal(learn.accAfter, null, 'no denominator was made up (it used to be `|| 1`)')
})

/* 같은 격자 위의 점 — vantage 를 명시한다(예전 헬퍼는 t 를 늘 0 으로 두어 시간축을 전혀 시험하지 않았다). */
const at = (t: number, error: number, actual = 100) => ({ ...pt(error, actual), t })

test('aggregatePoints — 공동배치 합산(공장 총량)', () => {
  const a = [at(10, 2, 30), at(20, 4, 30)]
  const b = [at(10, 1, 20), at(20, 2, 20)]
  const { points, droppedVantages } = aggregatePoints([a, b])
  assert.equal(points.length, 2)
  assert.equal(droppedVantages, 0)
  assert.equal(points[0].actual, 50, '실제 30+20')
  assert.equal(points[0].t, 10, '합산점의 시각은 그 vantage 다')
  assert.equal(points[0].error, points[0].actual - points[0].p50, 'error = 실제−예측(합산 후 재계산)')
})

test('한 트윈이 못 잰 vantage 는 통째로 뺀다 — 빠진 트윈을 0 으로 세지 않는다', () => {
  /*
   * 예전에는 `max` 길이로 돌며 있는 것만 더했다. 그래서 이 경우 t=20 의 공장 총량이 20(b 뿐)으로
   * 나왔다 — a 가 그 시각에 아무것도 안 했다는 뜻이 아니라, **못 쟀다**는 뜻인데도.
   * 공장 합계 곡선이 꼬리에서 아래로 꺾이고, 그 곡선으로 예측 정확도를 판정했다.
   */
  const a = [at(10, 2, 30), null]
  const b = [at(10, 1, 20), at(20, 2, 20)]
  const { points, droppedVantages } = aggregatePoints([a as any, b])
  assert.equal(points.length, 1, '모두가 값을 가진 vantage 만 남는다')
  assert.equal(points[0].t, 10)
  assert.equal(droppedVantages, 1, '뺀 개수를 돌려줘야 화면이 "2점 중 1점" 이라고 말할 수 있다')
})

test('길이가 다르면 뒤쪽은 뺀다 — 남은 트윈만의 합을 공장 총량이라 부르지 않는다', () => {
  const a = [at(10, 2, 30)]
  const b = [at(10, 1, 20), at(20, 2, 20)]
  const { points, droppedVantages } = aggregatePoints([a, b])
  assert.equal(points.length, 1)
  assert.equal(droppedVantages, 1)
})