取引戦略のバックテスト

概要

実資本を投入する前に、取引戦略を過去のデータで検証します。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ティング フレームワークを提供します。

主な機能:

• 8つの事前構築済み取引戦略 (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)
• フルの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検索最適化
• エクイティ曲線の可視化
• トレードバイトレード分析

前提条件

必要な依存関係をインストールします:

set -euo pipefail
pip install pandas numpy yfinance matplotlib

高度な機能のオプション:

set -euo pipefail
pip install ta-lib scipy scikit-learn

使用方法

1. 過去のデータを取得します (${CLAUDE_SKILL_DIR}/data/ にキャッシュして再利用):

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

2. デフォルトまたはカスタムパラメータでバックテストを実行します:

   python ${CLAUDE_SKILL_DIR}/scripts/backtest.py --strategy sma_crossover --symbol BTC-USD --period 1y
   python ${CLAUDE_SKILL_DIR}/scripts/backtest.py \
     --strategy rsi_reversal \
     --symbol ETH-USD \
     --period 1y \
     --capital 10000 \
     --params '{"period": 14, "overbought": 70, "oversold": 30}'
   

3. ${CLAUDE_SKILL_DIR}/reports/ に保存された結果を分析します -- *_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 (ビジュアルエクイティ曲線) が含まれます。
4. グリッド検索でパラメータを最適化して最適な組み合わせを見つけます:

   python ${CLAUDE_SKILL_DIR}/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	全体的なパーセンテージゲイン/ロス
CAGR	複合年間成長率
Sharpe Ratio	リスク調整済みリターン (目標: >1.5)
Sortino Ratio	下振れリスク調整済みリターン
Calmar Ratio	リターン÷最大ドローダウン

リスク指標

指標	説明
Max Drawdown	最大ピークからトラフへの低下
VaR (95%)	信頼度95%でのバリュー・アット・リスク
CVaR (95%)	VaR超過での予想損失
Volatility	年率化された標準偏差

トレード統計

指標	説明
Total Trades	ラウンドトリップトレード数
Win Rate	収益性のあるトレードのパーセンテージ
Profit Factor	総利益÷総損失
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	キーパラメータ
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買われすぎ/売られすぎ	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	範囲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	変動率モメンタム	period, threshold

設定

${CLAUDE_SKILL_DIR}/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%スリッページ

risk:
  max_position_size: 0.95
  stop_loss: null       # オプションの固定ストップロス
  take_profit: null     # オプションの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 ${CLAUDE_SKILL_DIR}/references/errors.md を参照してください。

例

詳細な使用例については ${CLAUDE_SKILL_DIR}/references/examples.md を参照してください:

• 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	過去データフェッチャー
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