import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(42)

# Générer 100 valeurs simulant un prix réel avec fluctuations
t = np.arange(100)
trend = np.sin(t/10) * 2  # tendance ondulante
noise = np.random.randn(100) * 0.5  # bruit
prices = 50 + trend + noise      # prix centré autour de 50

df = pd.DataFrame({"price": prices})

# Rolling simple sur 5 périodes
df["rolling5"] = df["price"].rolling(5).mean()

# EMA plus réactive (span=5)
# EMA5 standard
df["ema5"] = df["price"].ewm(span=5, adjust=False).mean()

# EMA5 “lissée” avec double application
df["ema5_smooth"] = df["price"].ewm(span=5, adjust=False).mean().ewm(span=5, adjust=False).mean()


# EMA plus lissée (span=20)
df["ema20"] = df["price"].ewm(span=20, adjust=False).mean()

# Plot
plt.figure(figsize=(12,6))
plt.plot(df["price"], label="Prix", color='black', alpha=0.6)
plt.plot(df["rolling5"], label="Rolling 5", linestyle="--", color='blue')
plt.plot(df["ema5"], label="EMA 5", color='red')
plt.plot(df["ema5_smooth"], label="EMA 5S", color='blue')
plt.plot(df["ema20"], label="EMA 20", color='green')
plt.title("Rolling vs Exponential Moving Average (prix réaliste)")
plt.xlabel("Période")
plt.ylabel("Prix")
plt.legend()
plt.grid(True)
plt.show()