backtesting.pyを使って、ビットコインをゴールデンクロスで買って、デッドクロスで売ったら、儲かるか？のバックテスト

admin

2年前

公式HP
https://kernc.github.io/backtesting.py/

pip3 install backtesting

1	pip3 install backtesting

ビットコインをゴールデンクロスで買って、デッドクロスで売ったら、儲かるか？のバックテスト

# ライブラリ
from backtesting import Backtest, Strategy
from backtesting.lib import crossover
from backtesting.test import SMA, GOOG
import requests
from datetime import datetime
import pandas as pd 

# Cryptowatchから価格データ取得。１分足(60秒)で過去1000分(16時間40分)がもらえる
response = requests.get("https://api.cryptowat.ch/markets/bitflyer/btcfxjpy/ohlc",params = { "periods" : 60 }).json()

# データフレームの列名は"Time"、"Open"、"High"、"Low"、"Close"である必要がある。
df_columns = [
  "Time",
  "Open",
  "High",
  "Low",
  "Close",
  "Volume",
  "QuoteVolume"
]
# ベクトル化(pandasのデータフレーム化)して、for文を使わなくても、SQLのUPDATE文みたいに一気に更新できるのが便利！
df = pd.DataFrame(response['result']['60'], columns=df_columns)

# Time列は文字列だとうまくいかないので、日付型にして投入する
df['Time'] = pd.to_datetime(df['Time'].astype(int), unit='s')
# 変換したら、インデックスである事を明示する必要がある
df.set_index("Time", inplace=True)


# 売買アルゴリズム(SMA = Simple Moving Average = 単純移動平均線)
class SmaCross(Strategy):
    n1 = 25 # 短期
    n2 = 75 # 長期

    # 初期化
    def init(self):
        close = self.data.Close # 基準は終値
        self.sma1 = self.I(SMA, close, self.n1) # 短期の移動平均線を生成
        self.sma2 = self.I(SMA, close, self.n2) # 長期の移動平均線を生成

    # 各レコードでの売買判定
    def next(self):
        # ゴールデンクロスなら買い
        if crossover(self.sma1, self.sma2):
            self.buy()
        # デッドクロスなら売り
        elif crossover(self.sma2, self.sma1):
            self.sell()

# バックテストの設定
bt = Backtest(df, # 検証データ
              SmaCross, #売買アルゴリズム
              cash=123456789, #投資金額(USドル)
              commission=.002, #手数料
              exclusive_orders=False) #自動でポジションをクローズ(オープン)

# バックテスト実行 
output = bt.run()

# 結果
print(output)
# グラフ出力(HTMLファイル)
# bt.plot()

# ライブラリ

from backtesting import Backtest, Strategy

from backtesting.lib import crossover

from backtesting.test import SMA, GOOG

import requests

from datetime import datetime

import pandas as pd

# Cryptowatchから価格データ取得。１分足(60秒)で過去1000分(16時間40分)がもらえる

response = requests.get("https://api.cryptowat.ch/markets/bitflyer/btcfxjpy/ohlc",params = { "periods" : 60 }).json()

# データフレームの列名は"Time"、"Open"、"High"、"Low"、"Close"である必要がある。

df_columns = [

"Time",

"Open",

"High",

"Low",

"Close",

"Volume",

"QuoteVolume"

]

# ベクトル化(pandasのデータフレーム化)して、for文を使わなくても、SQLのUPDATE文みたいに一気に更新できるのが便利！

df = pd.DataFrame(response['result']['60'], columns=df_columns)

# Time列は文字列だとうまくいかないので、日付型にして投入する

df['Time'] = pd.to_datetime(df['Time'].astype(int), unit='s')

# 変換したら、インデックスである事を明示する必要がある

df.set_index("Time", inplace=True)

# 売買アルゴリズム(SMA = Simple Moving Average = 単純移動平均線)

class SmaCross(Strategy):

n1 = 25 # 短期

n2 = 75 # 長期

# 初期化

def init(self):

close = self.data.Close # 基準は終値

self.sma1 = self.I(SMA, close, self.n1) # 短期の移動平均線を生成

self.sma2 = self.I(SMA, close, self.n2) # 長期の移動平均線を生成

# 各レコードでの売買判定

def next(self):

# ゴールデンクロスなら買い

if crossover(self.sma1, self.sma2):

self.buy()

# デッドクロスなら売り

elif crossover(self.sma2, self.sma1):

self.sell()

# バックテストの設定

bt = Backtest(df, # 検証データ

SmaCross, #売買アルゴリズム

cash=123456789, #投資金額(USドル)

commission=.002, #手数料

exclusive_orders=False) #自動でポジションをクローズ(オープン)

# バックテスト実行

output = bt.run()

# 結果

print(output)

# グラフ出力(HTMLファイル)

# bt.plot()

結果は、マイナス1%やな…。
Buy & Hold Return [%] 1.89312
だから、ガチホしてたらプラス2%弱…。

Start 2023-01-16 15:11:00 開始日時
End 2023-01-17 08:01:00　終了日時
Duration 0 days 16:50:00　取引にかかった時間
Exposure Time [%] 90.2 保有していた期間パーセンテージ
Equity Final [$] 1.22173e+08　最終的に売った金額
Equity Peak [$] 1.23459e+08　保有期間中の最高額
Return [%] -1.03992　プラスなら儲け、マイナスなら損したパーセンテージ
Buy & Hold Return [%] 1.89312　最初に買って最後に売るガチホ時のリターン
Return (Ann.) [%] 2.49521　年リターン？
Volatility (Ann.) [%] NaN　年の振れ幅？
Sharpe Ratio NaN
Sortino Ratio inf
Calmar Ratio 1.10447
Max. Drawdown [%] -2.2592　一番下った時のパーセンテージ
Avg. Drawdown [%] -1.21748　下落時の平均
Max. Drawdown Duration 0 days 15:10:00　一番長かった下落期間
Avg. Drawdown Duration 0 days 07:37:00　下落期間の平均
# Trades 1　売買回数
Win Rate [%] 0　勝率（勝ち回数/取引回数）、損なら０
Best Trade [%] -1.06017　一番良かった売買
Worst Trade [%] -1.06017　一番悪かった売買
Avg. Trade [%] -1.06017　売買の平均
Max. Trade Duration 0 days 15:12:00　最長保有期間
Avg. Trade Duration 0 days 15:12:00　保有期間の平均
Profit Factor 0　総利益/総損失
Expectancy [%] -1.06017　損益期待値
SQN NaN　#SQN（SystemQualityNumber）
_strategy SmaCross　#手法の関数名とパラメータ
_equity_curve …
_trades Size EntryBa…
dtype: object

独自の売買アルゴリズムが必要。結果が分かった状態なら楽だけどね～。

# Strategyクラスを継承して、売買アルゴリズムのクラスを作る
class myCustomStrategy(Strategy):
    def init(self):
        pass #初期化は何もしない

    # データフレーム毎にコールされる
    def next(self): 
      # print(self.data)

      # 最安値近くで買う
      if self.data.Close < 380*10000: # 終値が380万円以上になったら買い！
        self.buy()      
      # 最高値近くで買う
      if self.data.Close > 430*10000: # 終値が430万円以上になったら売り！
        # self.sell() # 空売りになる
        self.position.close() # これなら必ず、買い→売りになる

# バックテストの設定
bt = Backtest(df, # 検証データ
              myCustomStrategy, #売買アルゴリズム
              cash=400*10000, #投資金額
              commission=.002, #手数料
              exclusive_orders=False) #自動でポジションをクローズ(オープン)

# Strategyクラスを継承して、売買アルゴリズムのクラスを作る

class myCustomStrategy(Strategy):

def init(self):

pass #初期化は何もしない

# データフレーム毎にコールされる

def next(self):

# print(self.data)

# 最安値近くで買う

if self.data.Close < 380*10000: # 終値が380万円以上になったら買い！

self.buy()

# 最高値近くで買う

if self.data.Close > 430*10000: # 終値が430万円以上になったら売り！

# self.sell() # 空売りになる

self.position.close() # これなら必ず、買い→売りになる

# バックテストの設定

bt = Backtest(df, # 検証データ

myCustomStrategy, #売買アルゴリズム

cash=400*10000, #投資金額

commission=.002, #手数料

exclusive_orders=False) #自動でポジションをクローズ(オープン)

関連記事