トレーディング戦略のバックテスト

概要

実際の資金をリスクにさらす前に、過去のデータに対してトレーディング戦略を検証します。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ディング戦略（SMA、EMA、RSI、MACD、Bollinger、Breakout、Mean Reversion、Momentum）
• 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
• エクイティカーブ可視化
• 取引ごとの詳細分析

前提条件

必要な依存関係をインストール：

pip install pandas numpy yfinance matplotlib

高度な機能向けのオプション：

pip install ta-lib scipy scikit-learn

使用方法

ステップ 1: 過去データを取得

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

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

ステップ 2: バックテストを実行

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を使用した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: 結果を分析

結果は {baseDir}/reports/ に以下を含めて保存されます：

• *_summary.txt - パフォーマンス指標
• *_trades.csv - 取引ログ
• *_equity.csv - エクイティカーブデータ
• *_chart.png - ビジュアルエクイティカーブ

ステップ 4: パラメータを最適化

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	全体的なパーセンテージ利益/損失
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	下リスク調整済みリターン
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	最大ピークからボトム下落率
VaR (95%)	95%信頼度における Value at Risk
CVaR (95%)	VaRを超える予想損失
Volatility	年率化標準偏差

取引統計

指標	説明
Total Trades	ラウンドトリップ取引の数
Win Rate	利益を上げた取引の割合
Profit Factor	総利益を総損失で除した値
Expectancy	1取引あたりの期待値

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
================================================================================

サポート対象の戦略

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 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	値幅からの価格ブレークアウト	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：

data:
  provider: yfinance
  cache_dir: ./data

backtest:
  default_capital: 10000
  commission: 0.001     # 0.1% per trade
  slippage: 0.0005      # 0.05% slippage

risk:
  max_position_size: 0.95
  stop_loss: null       # Optional fixed stop loss
  take_profit: null     # Optional fixed take profit

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。以下の内容を含みます：

• 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	用途
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