"""Pydantic schemas for Trade-In Estimator. POST /api/v1/trade-in/estimate → AggregatedEstimate """ from __future__ import annotations from datetime import date, datetime from typing import Any, Literal from uuid import UUID from pydantic import BaseModel, Field, computed_field class TradeInEstimateInput(BaseModel): address: str = Field(min_length=3, max_length=500) area_m2: float = Field(gt=10, lt=500) rooms: int = Field(ge=0, le=10) # 0 = студия floor: int | None = Field(default=None, ge=1, le=100) total_floors: int | None = Field(default=None, ge=1, le=100) year_built: int | None = Field(default=None, ge=1800, le=2100) house_type: Literal["panel", "brick", "monolith", "monolith_brick", "other"] | None = None repair_state: Literal["needs_repair", "standard", "good", "excellent"] | None = None has_balcony: bool | None = None # Variant A: координаты, уже разрезолвленные автокомплитом/картой на фронте. # Если переданы (и в пределах ЕКБ) — estimate использует их напрямую, минуя # geocode() (который падает на DaData-формах при мёртвом Yandex-ключе). lat: float | None = Field(default=None, ge=-90, le=90) lon: float | None = Field(default=None, ge=-180, le=180) # ФИАС/ГАР OBJECTGUID целевого дома, если фронт разрешил его через suggest # (SuggestItem.fias_id у house-level кандидата). Прокидывается в матчер # (Tier 0.5 fias_exact) ПЕРВЫМ, до fias из DaData /clean. Additive/optional — # отсутствие поля сохраняет прежнее поведение. target_fias_id: str | None = Field(default=None, max_length=64) # #2044: опциональный радиус анализа (контрол РАДИУС на /trade-in/v2), метры. # None → текущее дефолтное поведение (1000 м поиск аналогов, 2000 м fallback). # Задан → и первичный, и fallback-поиск аналогов/сделок используют ровно этот # радиус (без авто-расширения). Диапазон 100–5000 м — sane guard. radius_m: int | None = Field(default=None, ge=100, le=5000) # CRM-поля (#395) — операционные, на расчёт оценки не влияют ownership_type: str | None = Field(default=None, max_length=100) has_mortgage: bool | None = None # client_name / client_phone удалены (PII purge #1969, DROP COLUMN 167). class AnalogLot(BaseModel): address: str area_m2: float rooms: int floor: int | None total_floors: int | None price_rub: int price_per_m2: int listing_date: date | None days_on_market: int | None photo_url: str | None = None # ── Per-comp coords для MAP / price↔exposure views (web features) ── # ADDITIVE + OPTIONAL. lat/lon из listings.lat-lon / deals.lat-lon (ST_Y/ST_X(geom)). # Nullable: radius-фильтрованные аналоги имеют 100% coords, но Tier S # (same-building через house_id_fk / address-prefix) может включать # address-only Avito-лоты без geom → None (graceful, frontend пропускает на карте). lat: float | None = None lon: float | None = None # ── Новые поля (Слой 5.2 — clickable links) ── source: str | None = None # 'avito' / 'cian' / 'domklik' / 'rosreestr' source_url: str | None = None # ссылка на оригинальное объявление / сделку distance_m: int | None = None # расстояние до целевой квартиры в метрах # ── Confidence tier (PR M / #564 Phase 3) ── # Только для rosreestr-сделок: T0_per_house (kadastr_num exact match), # T1_per_street (street-level only). Open dataset Росреестра не имеет # kadastr_num — все ДКП-сделки сейчас T1. Поле зарезервировано на случай # будущего enrichment data feed (ЕГРН direct). tier: str | None = None # ── Честность даты (#1995) ── # Rosreestr open dataset публикует ДКП-сделки с точностью до КВАРТАЛА # (listing_date = deals.deal_date = period_start_date, первый день квартала — # см. data/sql/01_schema_rosreestr_deals.sql, комментарий "Excluded: ... exact # deal date"). Поэтому ВСЕ rosreestr-сделки одного квартала несут ОДИНАКОВЫЙ # listing_date — это честное отражение granularity источника, а НЕ баг/заглушка # (подтверждено live-аудитом prod: 9 кварталов, ровно 1 distinct deal_date на # квартал). listings (avito/cian/yandex/domklik) несут реальную day-level дату # скрапинга/парсинга. None — источник не задан (напр. устаревшая persisted-запись # до этого поля — rehydrate default). date_precision: Literal["day", "quarter"] | None = None class CianChartPoint(BaseModel): """Одна точка 7-месячного chart Cian Valuation Calculator.""" date: str price: float class CianValuationSummary(BaseModel): """Cian Valuation Calculator данные для UI. Источник: external_valuations table (source='cian_valuation'). Заполняется только при successful Cian Calculator call в estimator.py. """ sale_price_rub: int | None = None rent_price_rub: int | None = None chart: list[CianChartPoint] = Field(default_factory=list) chart_change_pct: float | None = None chart_change_direction: Literal["increase", "decrease", "neutral"] | None = None class AvitoImvSummary(BaseModel): """Avito IMV (Индекс Market Value) якорь для target-дома (#651). Источник: `house_imv_evaluations` (per house_id, обновляется регулярно). Это РЕАЛЬНАЯ рыночная оценка Avito по дому — служит anchor'ом для blend'а (см. estimate_imv_blend_*). Сурфейсится в UI как референсный маркер на ценовой шкале. None если для дома нет свежей IMV-записи. """ recommended_price: int | None = None # рекомендованная цена Avito, ₽ lower_price: int | None = None # нижняя граница IMV-коридора, ₽ higher_price: int | None = None # верхняя граница IMV-коридора, ₽ market_count: int | None = None # объём рынка, на котором построена оценка # #audit-5b: тонкий рынок — market_count < avito_imv_thin_market_threshold. # True = IMV построен на малой выборке → reliability ↓. Фронт/estimator могут # использовать для понижения уверенности или отображения предупреждения. thin_market: bool = False class DkpCorridor(BaseModel): """Коридор реальных ДКП-сделок Росреестра для target (#652). Источник: `deals` (source='rosreestr', ДКП-only), агрегированные по улице + rooms + площади ±15% за период. ADVISORY: показывается как тонкая референсная линия «коридор реальных сделок: X–Y млн»; если итоговая медиана ₽/м² выходит за [low,high]×slack — добавляется текстовая пометка. НЕ хард-клампит оценку. None / count=0 если по улице нет сопоставимых сделок. """ count: int # число ДКП-сделок в выборке low_ppm2: int # P10 ₽/м² по сделкам (робастный коридор) median_ppm2: int # медиана ₽/м² high_ppm2: int # P90 ₽/м² по сделкам (робастный коридор) period_months: int # окно поиска сделок class PriceTrendPoint(BaseModel): """Одна точка месячного ₽/м² тренда для целевого дома / района (web TREND chart). Источник: houses_price_dynamics (если заполнена) ИЛИ агрегация house_placement_history по месяцам. month — 'YYYY-MM', ppm2 — медиана ₽/м². """ month: str # 'YYYY-MM' ppm2: int # медиана ₽/м² за месяц class AggregatedEstimate(BaseModel): estimate_id: UUID median_price_rub: int range_low_rub: int range_high_rub: int median_price_per_m2: int confidence: Literal["low", "medium", "high"] confidence_explanation: str | None = None # «Найдено 15 аналогов, разброс ±7%» # #698: ПОЛНОЕ число найденных аналогов — НЕ равно len(analogs) (тот обрезан до # top-10, см. поле `analogs` ниже). Консьюмер должен брать счёт отсюда, а не из len(). n_analogs: int @computed_field # type: ignore[prop-decorator] @property def insufficient_data(self) -> bool: """#697: нет пригодной оценки — комплов/якоря не нашлось → headline median=0. Фронт по этому флагу рендерит явное «недостаточно данных», а не буквальный «0 ₽». Производное от median_price_rub (==0 ⇔ нет оценки), поэтому корректно во всех конструкторах AggregatedEstimate автоматически (вкл. rehydrate на GET). """ return self.median_price_rub <= 0 period_months: int # 24 # #698: показываемый top-10 (обрезано в estimator.py:2026/2028) — НЕ полный список. # Полное число аналогов — в n_analogs (len(analogs) ≤ 10 < n_analogs при большой выборке). analogs: list[AnalogLot] actual_deals: list[AnalogLot] # реальные продажи last 12 mo expires_at: datetime # ── Дополнительные метаданные ── target_address: str | None = None # geocoded full address target_lat: float | None = None target_lon: float | None = None sources_used: list[str] = Field(default_factory=list) # ['avito', 'cian', 'rosreestr'] data_freshness_minutes: int | None = None # сколько минут назад был самый свежий парсинг # абсолютный timestamp самого свежего парсинга аналогов last_scraped_at: datetime | None = None est_days_on_market: int | None = None # прогноз срока продажи (медиана по аналогам) cian_valuation: CianValuationSummary | None = None # ── Месячный ₽/м² тренд для целевого дома (web TREND chart) — ADDITIVE + OPTIONAL ── # ~12-24 точки. Источник: houses_price_dynamics (preferred, пока пуста в prod) → # fallback агрегация house_placement_history по месяцам для target_house_id. # None если house_id не разрешён / нет истории (graceful, frontend скрывает chart). price_trend: list[PriceTrendPoint] | None = None # ── #651/#652: внешние якоря (Avito IMV) + коридор реальных сделок (ДКП) ── # avito_imv — реальная IMV-оценка дома (house_imv_evaluations). Используется # как anchor для blend'а медианы (см. confidence_explanation). # dkp_corridor — коридор ₽/м² по ДКП-сделкам Росреестра (advisory, не клампит). # Оба nullable — None при отсутствии данных (graceful, common case без регрессий). avito_imv: AvitoImvSummary | None = None dkp_corridor: DkpCorridor | None = None # ── Asking→sold correction (#648 Stage 3) — PURELY ADDITIVE ── # Headline median_price_rub/range_*/median_price_per_m2 остаются ASKING (активные # объявления). Эти параллельные expected_sold_* = asking × per-rooms ratio # (asking_to_sold_ratios, migration 080) — релевантная для выкупа цена сделки. # Backtest (#648 Stage 1) показал, что коррекция убирает bias asking-медианы # +20% → −4% на held-out ДКП. None если ratio-таблицы нет / бакет пуст (graceful). expected_sold_price_rub: int | None = None expected_sold_range_low_rub: int | None = None expected_sold_range_high_rub: int | None = None expected_sold_per_m2: int | None = None asking_to_sold_ratio: float | None = None # =sold/asking, ~0.72–0.93 ratio_basis: str | None = None # 'per_rooms' | 'global_fallback' # ── DaData enrichment (PR Q1) — on-demand для target адреса ── # canonical_address — DaData-нормализованная форма (с улицей в short form). # house_cadnum — кадастровый номер ДОМА (для будущего matching Росреестра). # house_fias_id — UUID ФИАС дома. # metro_nearest — ближайшие станции метро [{name,line,distance}, ...]. # NULL если DaData credentials не заданы / quota exceeded / address не распознан. canonical_address: str | None = None house_cadnum: str | None = None house_fias_id: str | None = None metro_nearest: list[dict] = Field(default_factory=list) # address_precision — точность гео-привязки адреса (из DaData qc_geo): # «house» (qc_geo=0, дом точно), «street» (qc_geo=1, до улицы), # «approximate» (qc_geo≥2: населённый пункт/город/регион/не распознан). # None если DaData не отрабатывала (адрес не геокодирован) / credentials не заданы. address_precision: Literal["house", "street", "approximate"] | None = None # analog_tier — стабильный enum-тир источника аналогов (#audit-2). # Значения (дословно, фронт на них завязан): # "same_building" — Tier A: якорь из комплов ТОГО ЖЕ дома # "micro_radius" — Tier C: якорь из micro-radius (≤500 м) # "district" — radius-путь (Tier 0/S/H): когортный/узкий радиус # "city" — radius Tier W: широкий fallback # null — нет данных / оценка не построена # НЕ удаляет/заменяет confidence_explanation (фронт fallback'ает на него). analog_tier: Literal["same_building", "micro_radius", "district", "city"] | None = None # ── #2002: премиальный дом (флаг, НЕ ценовой сигнал) ── # premium_building — целевой дом признан премиальным. Источник — curated overlay # `premium_buildings_curated` (data/sql/142, AI/human-выверенный класс + false- # positive demotions), с fallback на MV `premium_houses` (data/sql/139, ~298 # EKB-домов по концентрации дорогих листингов) для невыверенных домов. Значение — # уже скорректированное (curated перебивает MV). МЕТАДАННЫЕ для manual-review # routing (#4) — НЕ влияет на median/expected_sold/ranges. Дефолт False. # premium_building_median_ppm2 — med_ppm2 из MV (₽/м² медиана дорогих листингов дома), # контекст для ревьюера. None если дом не премиальный / MV недоступна. # premium_building_class — класс дома из curated overlay (премиум/элит/бизнес/ # комфорт/эконом/неизвестно). None для невыверенных MV-домов / непремиальных. premium_building: bool = False premium_building_median_ppm2: int | None = None premium_building_class: str | None = None # ── #2002 #4: manual-review recommendation (производный ФЛАГ, НЕ цена) ── # manual_review_recommended — оценку НЕ стоит авто-оффэрить, нужна ручная # оценка человеком (премиальный дом / высокая стоимость / низкая уверенность / # широкий диапазон). Дефолт False — не трогает median/expected_sold/ranges. # manual_review_reasons — человекочитаемые RU-причины для ревьюера; пусто, когда # рекомендация не сработала (или флаг estimate_manual_review_enabled выключен). manual_review_recommended: bool = False manual_review_reasons: list[str] = Field(default_factory=list) # ── #2043 (BE-1): метрики достоверности выборки — уже считаются, отдаём наружу ── # cv — коэффициент вариации ₽/м² по аналогам (std/mean). Метрика разброса цен: # <0.10 «тесно» / 0.10-0.20 «умеренно» / >0.20 «широко». Anchor-путь берёт # CV комплов дома, radius-путь — CV радиусной выборки ₽/м². None если <2 цен. # На GET /estimate/{id} пересчитывается из сохранённых analogs (best-effort). # source_counts — счётчики аналогов по источнику ({'avito': 12, 'cian': 5}). На # POST считается по ПОЛНОЙ выборке до top-N отсечки; на GET/rehydrate — по # сохранённым top-N analogs (усечённо, best-effort). Пусто при отсутствии. # created_at — момент создания оценки (колонка trade_in_estimates.created_at), # для метки «отчёт от DD.MM» в UI. None если не проставлен. cv: float | None = None source_counts: dict[str, int] = Field(default_factory=dict) created_at: datetime | None = None # ── Параметры оценённой квартиры — нужны, чтобы восстановить карточку # при открытии оценки по ссылке (?id=), когда формы-инпута уже нет ── area_m2: float | None = None rooms: int | None = None floor: int | None = None total_floors: int | None = None year_built: int | None = None house_type: str | None = None repair_state: str | None = None has_balcony: bool | None = None class PhotoMeta(BaseModel): """Метаданные фото квартиры (#394). Содержимое отдаётся отдельным эндпоинтом.""" id: UUID filename: str | None = None content_type: str size_bytes: int | None = None uploaded_at: datetime # ── Stage 4a response schemas ──────────────────────────────────────────────── class HouseInfoForEstimate(BaseModel): """Summary информации о доме целевой квартиры (для GET /estimate/{id}/houses).""" house_id: int | None = None source: str | None = None # 'avito' / 'derived' / 'cian_newbuilding' / etc. ext_house_id: str | None = None address: str | None = None short_address: str | None = None lat: float | None = None lon: float | None = None year_built: int | None = None total_floors: int | None = None house_type: str | None = None passenger_elevators: int | None = None cargo_elevators: int | None = None has_concierge: bool | None = None closed_yard: bool | None = None has_playground: bool | None = None parking_type: str | None = None developer_name: str | None = None rating: float | None = None reviews_count: int | None = None raw_characteristics: list[dict] = Field(default_factory=list) class IMVBenchmarkResponse(BaseModel): """Avito IMV benchmark для UI (GET /estimate/{id}/imv-benchmark).""" available: bool # есть ли IMV для этого estimate cache_key: str | None = None recommended_price: int | None = None lower_price: int | None = None higher_price: int | None = None market_count: int | None = None fetched_at: datetime | None = None # comparison vs our estimate our_median_price: int | None = None diff_pct: float | None = None # (our - imv) / imv * 100 class PlacementHistoryEntry(BaseModel): """Запись истории размещения лота в доме (`house_placement_history`).""" id: int source: str house_id: int | None = None ext_item_id: str title: str | None = None rooms: int | None = None area_m2: float | None = None floor: int | None = None total_floors: int | None = None start_price: int | None = None start_price_date: date | None = None last_price: int | None = None last_price_date: date | None = None removed_date: date | None = None exposure_days: int | None = None notes: str | None = None # ── In-app scheduler (Stage 4e) ───────────────────────────────────────────── class ScheduleConfig(BaseModel): """Текущая конфигурация schedule для source.""" id: int source: str enabled: bool window_start_hour: int = Field(ge=0, le=23) window_end_hour: int = Field(ge=0, le=23) default_params: dict[str, Any] = Field(default_factory=dict) last_run_id: int | None = None last_run_at: str | None = None # ISO next_run_at: str | None = None # ISO updated_at: str | None = None # ISO class ScheduleConfigUpdate(BaseModel): """PUT body для update_schedule endpoint.""" enabled: bool = True window_start_hour: int = Field(default=2, ge=0, le=23) window_end_hour: int = Field(default=5, ge=0, le=23) default_params: dict[str, Any] = Field(default_factory=dict) # ── House analytics (house_placement_history backfill) ─────────────────────── class PriceHistoryYearPoint(BaseModel): """Медианная цена ₽/м² и число лотов за год, разбитая по источнику.""" year: int source: str # 'avito_imv' | 'yandex_valuation' median_price_per_m2: int n_lots: int median_price_rub: int class CianPriceChangeStats(BaseModel): """Статистика изменений цены для одного Cian-аналога. Источник: offer_price_history JOIN listings (source='cian'). """ cian_id: str listing_id: int n_changes: int # COUNT(*) из offer_price_history last_change_time: datetime | None last_diff_percent: float | None # последняя дельта (-5% если цена снизилась) total_change_pct: float | None # суммарно (current - first) / first * 100 first_seen_price: int | None current_price: int # из listings.price_rub class RecentSoldEntry(BaseModel): """Лот из house_placement_history снятый с продажи за последние 12 мес.""" id: int source: str # 'avito_imv' | 'yandex_valuation' rooms: int | None area_m2: float | None floor: int | None start_price: int | None last_price: int | None removed_date: date | None exposure_days: int | None discount_pct: float | None class HouseAnalyticsKpi(BaseModel): """Агрегированные KPI по дому(ам) из house_placement_history.""" total_lots: int sold_count: int sold_rate_pct: float median_exposure_days: int | None median_bargain_pct: float | None class HouseAnalyticsResponse(BaseModel): """Ответ GET /estimate/{id}/house-analytics.""" house_ids: list[int] radius_m: int price_history: list[PriceHistoryYearPoint] recent_sold: list[RecentSoldEntry] kpi: HouseAnalyticsKpi # ── Sell-time sensitivity (срок продажи по бакетам цены) ───────────────────── class SellTimeBucket(BaseModel): """Один бакет срока продажи для данного ценового диапазона.""" price_premium_label: str # 'cheap' | 'median' | 'plus5' | 'plus10' price_premium_pct: float # -5.0, 0.0, 5.0, 10.0 для UI median_exposure_days: int | None p25_days: int | None p75_days: int | None n_lots: int # #1995: n_lots < settings.sell_time_sensitivity_min_n_lots → малая выборка, # median/p25/p75 exposure_days шумные (немонотонность между бакетами — типичный # артефакт, не data-баг). Фронт должен явно показать "недостаточно данных" # вместо тихого шума. Не сглаживаем/не переоцениваем статистику — честный флаг. insufficient_data: bool = False class SellTimeSensitivityResponse(BaseModel): """Ответ GET /estimate/{id}/sell-time-sensitivity.""" house_ids: list[int] radius_m: int target_median_price_per_m2: int | None # benchmark — медиана ₽/м² за последние 2 года buckets: list[SellTimeBucket] # ── Street-level deals (rosreestr open dataset) ────────────────────────────── class StreetDealsResponse(BaseModel): """Ответ GET /api/v1/trade-in/street-deals. Open dataset Росреестра агрегирует адреса до уровня улицы (без номера дома). Поэтому это per-street view, а не per-house. """ # извлечённая улица, напр. «Космонавтов» / None если не определилась street: str | None period_from: date period_to: date count: int # число всех matching сделок, не только топ-10 median_price_rub: int # 0 если count == 0 median_price_per_m2: int range_low_rub: int range_high_rub: int deals: list[AnalogLot] # последние 10 по deal_date DESC # ── Sales vs Listings (PR K, issue #564 Foundation Phase 1) ───────────────── class SalesListingPair(BaseModel): """Пара (ДКП-сделка, listing того же ассортимента). Возвращается из street_sales_vs_listings() SQL-function. Если для сделки listing не нашёлся — все listing_* поля = None (LEFT JOIN). """ deal_id: int deal_date: date deal_price_rub: int deal_price_per_m2: int deal_area_m2: float deal_rooms: int deal_floor: int | None = None deal_address: str | None = None listing_id: int | None = None listing_source: str | None = None # 'avito' / 'cian' / 'yandex' / 'domklik' (+ inactive 'n1') listing_source_url: str | None = None listing_date: date | None = None listing_price_rub: int | None = None listing_price_per_m2: int | None = None listing_area_m2: float | None = None # Положительный = listing date раньше сделки (типичный кейс). # Отрицательный = listing появился позже (отложенный парсинг). days_listing_to_deal: int | None = None # discount_pct = (deal_price - listing_price) / listing_price * 100. # Отрицательный = продали дешевле выставленного (торг). discount_pct: float | None = None # #1995: честность precision deal_date. Rosreestr open dataset публикует ДКП с # точностью до КВАРТАЛА (deal_date = period_start_date, 1-е число квартала — # см. data/sql/01_schema_rosreestr_deals.sql), НЕ реальную дату регистрации. # street_sales_vs_listings() фильтрует ТОЛЬКО source='rosreestr' → сейчас # precision одинаковая ("quarter") для всех pairs этого endpoint'а. Live-аудит # prod (2026-07): 9 загруженных кварталов — ровно 1 distinct deal_date на # квартал, подтверждает НЕ баг, а granularity источника. Per-pair (не # response-level) — задел на случай будущего source с exact-датой (etazhi/ # domklik_history, см. deals table comment). deal_date_precision: Literal["day", "quarter"] = "quarter" class SalesVsListingsResponse(BaseModel): """Ответ GET /api/v1/trade-in/sales-vs-listings. Per-street pairs ДКП-сделок и matching listings. Aggregate KPIs показывают linkage rate и медианный discount. """ street: str | None # извлечённое имя улицы, None если не извлеклось period_months: int # окно поиска сделок window_days: int # окно matching listing → deal area_tolerance: float # 0.15 = ±15% по area_m2 total_deals: int # количество всех matching ДКП в улице/период deals_with_listings: int # сколько имеют связанный listing linkage_rate_pct: float # deals_with_listings / total_deals * 100 median_discount_pct: float | None # медиана по парам с listing data_quality: str # "house_linked" | "street_only" | "no_data" (#721, ADR v3) pairs: list[SalesListingPair] # все пары, sorted by deal_date DESC # ── Account quota (#quota) ────────────────────────────────────────────────── class QuotaStatus(BaseModel): """Статус квоты оценок для текущего аккаунта (GET /api/v1/trade-in/quota).""" limit: int # MONTHLY_LIMIT = 15 used: int # использовано в текущем месяце remaining: int # max(0, limit - used) unlimited: bool # True для admin / kopylov / без заголовка class LocationCoefFactorOut(BaseModel): """Один POI-фактор в ответе GET /api/v1/trade-in/location-coef (#2045 BE-3).""" poi_type: str # категория POI (school/kindergarten/metro_stop/... — те же значения, # что в osm_poi_ekb на стороне gendesign) name: str | None distance_m: float weight: float class LocationCoefResponse(BaseModel): """Ответ GET /api/v1/trade-in/location-coef (#2045 BE-3, LocationDrawer). coef — MVP-эвристика (НЕ откалибрована на реальных ценовых дельтах, см. app/services/location_coef.py::_score_to_coef), диапазон [0.95, 1.05]. result_price_rub = round(base_price_rub * coef). geo_source="unavailable" — osm_poi_ekb_local пуста/не отрефрешена на этом окружении (graceful fallback: coef=1.0, factors=[], НЕ 500 и НЕ сфабрикованные факторы). """ coef: float factors: list[LocationCoefFactorOut] geo_source: str base_price_rub: int result_price_rub: int