トレード戦略のバックテスト

概要

リアルマネーを使用する前に、トレード戦略を過去データに対して検証します。このスキルは、8つの組み込み戦略、包括的なパフォーマンス指標、パラメータ最適化を備えた完全なバックテストフレームワークを提供します。

主な機能:

• 8つの事前構築されたトレード戦略 (SMA、EMA、RSI、MACD、ボリンジャー、ブレイクアウト、平均回帰、モメンタム)
• 完全なパフォーマンス指標 (Sharpe、Sortino、Calmar、VaR、最大ドローダウン)
• パラメータグリッドサーチ最適化
• エクイティ曲線の可視化
• トレードごとの分析

前提条件

必要な依存関係をインストールしてください:

pip install pandas numpy yfinance matplotlib

高度な機能の場合は以下をオプションでインストール:

pip install ta-lib scipy scikit-learn

手順

ステップ 1: 過去データの取得

python {baseDir}/scripts/fetch_data.py --symbol BTC-USD --period 2y --interval 1d

データは再利用のために {baseDir}/data/{symbol}_{interval}.csv にキャッシュされます。

ステップ 2: バックテストの実行

デフォルトパラメータでの基本的なバックテスト:

python {baseDir}/scripts/backtest.py --strategy sma_crossover --symbol BTC-USD --period 1y

カスタムパラメータでの高度なバックテスト:

# 例: 特定の日付範囲でバックテストを実行
python {baseDir}/scripts/backtest.py \
  --strategy rsi_reversal \
  --symbol ETH-USD \
  --period 1y \
  --capital 10000 \
  --params '{"period": 14, "overbought": 70, "oversold": 30}'

ステップ 3: 結果の分析

結果は {baseDir}/reports/ に保存されます:

• *_summary.txt - パフォーマンス指標
• *_trades.csv - トレードログ
• *_equity.csv - エクイティ曲線データ
• *_chart.png - エクイティ曲線の視覚化

ステップ 4: パラメータの最適化

グリッドサーチで最適なパラメータを検出:

python {baseDir}/scripts/optimize.py \
  --strategy sma_crossover \
  --symbol BTC-USD \
  --period 1y \
  --param-grid '{"fast_period": [10, 20, 30], "slow_period": [50, 100, 200]}'

出力

パフォーマンス指標

指標	説明
Total Return	総収益率の増減%
CAGR	年間複合成長率
Sharpe Ratio	リスク調整後リターン (目標: >1.5)
Sortino Ratio	下側リスク調整後リターン
Calmar Ratio	リターンを最大ドローダウンで除した値

リスク指標

指標	説明
Max Drawdown	最大ピークから谷への下落幅
VaR (95%)	95% の信頼度における Value at Risk
CVaR (95%)	VaR を超える予想損失
Volatility	年率換算の標準偏差

トレード統計

指標	説明
Total Trades	ラウンドトリップトレードの数
Win Rate	利益を上げたトレードの割合
Profit Factor	総利益を総損失で除した値
Expectancy	トレードあたりの期待値

出力例

================================================================================
                    BACKTEST RESULTS: SMA CROSSOVER
                    BTC-USD | [start_date] to [end_date]
================================================================================
 PERFORMANCE                          | RISK
 Total Return:        +47.32%         | Max Drawdown:      -18.45%
 CAGR:                +47.32%         | VaR (95%):         -2.34%
 Sharpe Ratio:        1.87            | Volatility:        42.1%
 Sortino Ratio:       2.41            | Ulcer Index:       8.2
--------------------------------------------------------------------------------
 TRADE STATISTICS
 Total Trades:        24              | Profit Factor:     2.34
 Win Rate:            58.3%           | Expectancy:        $197.17
 Avg Win:             $892.45         | Max Consec. Losses: 3
================================================================================

サポートされている戦略

戦略	説明	主要パラメータ
sma_crossover	シンプル移動平均クロスオーバー	fast_period、slow_period
ema_crossover	指数移動平均クロスオーバー	fast_period、slow_period
rsi_reversal	RSI の買われ過ぎ/売られ過ぎ	period、overbought、oversold
macd	MACD シグナルラインクロスオーバー	fast、slow、signal
bollinger_bands	バンド上での平均回帰	period、std_dev
breakout	レンジからの価格ブレイクアウト	lookback、threshold
mean_reversion	移動平均への回帰	period、z_threshold
momentum	変化率モメンタム	period、threshold

設定

{baseDir}/config/settings.yaml を作成します:

data:
  provider: yfinance
  cache_dir: ./data

backtest:
  default_capital: 10000
  commission: 0.001     # トレードあたり 0.1%
  slippage: 0.0005      # 0.05% のスリッページ

risk:
  max_position_size: 0.95
  stop_loss: null       # オプション: 固定ストップロス
  take_profit: null     # オプション: 固定テイクプロフィット

エラーハンドリング

一般的な問題と解決策については {baseDir}/references/errors.md を参照してください。

例

詳細な使用例については {baseDir}/references/examples.md を参照してください。以下を含みます:

• マルチアセット比較
• ウォークフォワード分析
• パラメータ最適化ワークフロー

ファイル

ファイル	目的
scripts/backtest.py	メインバックテストエンジン
scripts/fetch_data.py	過去データ取得ツール
scripts/strategies.py	戦略定義
scripts/metrics.py	パフォーマンス計算
scripts/optimize.py	パラメータ最適化

リソース

• yfinance - Yahoo Finance データ
• TA-Lib - テクニカル分析ライブラリ
• QuantStats - ポートフォリオ分析