#!/usr/bin/env python3
"""甜蜜击球区 · 宁德时代（300750）：股价 → 估值指标 投影表生成器

数据层定位：本脚本是 data/sweetspot/*.csv 的唯一生成入口（CSV 是运行时投影，
禁止手工编辑）。上游底稿是资料库节点「宁德时代_股价PE对照表」
（https://www.workbuddy.cn/space/d/EsAWMaLKt4ECKPDvESKKvT，2026-09-15 版）。

计算基准（改这几个常量就能整表重算）：
  总股本      46.27 亿股
  净现金      2,263.8 亿元        （每股 48.93 元）
  2026E 归母  悲观 900 / 中性 964 / 乐观 1,000 亿元（65 家机构一致预期）
  分红率      50%（2023–2025 年实际值）
  现价        316.21 元（2026-09-15 收盘）
  2028E 目标  1,400 亿 × 20x → 605 元（老唐法三年后合理估值，用于试算年化收益）
  无风险利率  1.68%（10 年期国债，仅用于股息率倍数的脚注说明）

精度例外：PE 与股息率保留两位小数。CLAUDE.md 默认一位，但 PE 一位会把
15.18x 与 15.2x 揉成同一个读数，而「现价到底落在哪个区间」正是这张表要回答的
问题（买入区上沿 15.5x 与合理区下沿贴得极近），故按行业惯例取两位。

用法：
  python3 scripts/build_sweet_spot_catl.py
"""

from pathlib import Path

SHARES = 46.27          # 亿股
NET_CASH = 2263.8       # 亿元
NOW = 316.21            # 元
PAYOUT = 0.50
NI = {"bear": 900.0, "base": 964.0, "bull": 1000.0}
TARGET_2028 = 605.0     # 元（2028E 1,400 亿 × 20x ÷ 46.27 亿股）

OUT_DIR = Path(__file__).resolve().parent.parent / "data" / "sweetspot"


def price_grid(top, step=20, keys=()):
    """等距网格 + 关键价位去重后升序，保证关键价位本身就是数据点（可被打标签）。"""
    prices = {float(p) for p in range(220, top + 1, step)}
    prices.update(float(k) for k in keys)
    return sorted(prices)


def pct(value):
    return value * 100


def main():
    OUT_DIR.mkdir(parents=True, exist_ok=True)

    header = (
        "# 由 scripts/build_sweet_spot_catl.py 生成，请勿手工编辑。\n"
        "# 口径：总股本 46.27 亿股 · 净现金 2,263.8 亿元（每股 48.93 元）· "
        "2026E 归母 900/964/1,000 亿元 · 分红率 50% · 现价 316.21 元（2026-09-15）\n"
        "# PE 与股息率保留两位小数（见脚本 docstring 的精度例外说明）\n"
    )

    # ---------- 1) 股价 → PE 对照（图 1、图 2 共用） ----------
    rows = price_grid(700, 20, (265, 290, 303, NOW, 378, 605, 617))
    lines = [
        "price,market_cap,pe_bear,pe_base,pe_bull,pe_ex_cash,dividend_yield,net_cash_pct"
    ]
    for px in rows:
        cap = px * SHARES
        lines.append(
            ",".join([
                f"{px:.2f}",
                f"{cap:.1f}",
                f"{cap / NI['bear']:.2f}",
                f"{cap / NI['base']:.2f}",
                f"{cap / NI['bull']:.2f}",
                f"{(cap - NET_CASH) / NI['base']:.2f}",
                f"{pct(NI['base'] * PAYOUT / cap):.2f}",
                f"{pct(NET_CASH / cap):.1f}",
            ])
        )
    path = OUT_DIR / "catl_price_pe.csv"
    path.write_text(header + "\n".join(lines) + "\n", encoding="utf-8")
    print(f"{path.relative_to(OUT_DIR.parent.parent)}  {len(rows)} 行")

    # ---------- 2) 股价 → 试算（图 3） ----------
    rows = price_grid(620, 20, (265, 290, 303, NOW, 378, 450, TARGET_2028))
    lines = [
        "price,market_cap,pe_base,dividend_yield,cagr_price,cagr_total"
    ]
    for px in rows:
        cap = px * SHARES
        dy = NI["base"] * PAYOUT / cap
        cagr = (TARGET_2028 / px) ** (1 / 3) - 1
        # 总收益按 (1 + 价差年化) × (1 + 股息率) − 1：股息以买入价口径年年复投，
        # 与资料库试算器的「未含分红」口径并列展示，两者差额即分红的贡献。
        lines.append(
            ",".join([
                f"{px:.2f}",
                f"{cap:.1f}",
                f"{cap / NI['base']:.2f}",
                f"{pct(dy):.2f}",
                f"{pct(cagr):.1f}",
                f"{pct((1 + cagr) * (1 + dy) - 1):.1f}",
            ])
        )
    path = OUT_DIR / "catl_price_returns.csv"
    path.write_text(header + "\n".join(lines) + "\n", encoding="utf-8")
    print(f"{path.relative_to(OUT_DIR.parent.parent)}  {len(rows)} 行")


if __name__ == "__main__":
    main()