backtesting-trading-strategies

トレーディング戦略のバックテスト

概要

実資金をリスクにさらす前に、過去のデータを使用してトレーディング戦略を検証します。このスキルでは、8 つの組み込み戦略、包括的なパフォーマンス指標、パラメーター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 つの事前構築済みトレーディング戦略（SMA、EMA、RSI、MACD、Bollinger、Breakout、Mean Reversion、Momentum）
• 包括的なパフォーマンス指標（Sharpe、Sortino、Calmar、VaR、最大ドローダウン）
• パラメーターのグリッドサーチによる最適化
• エクイティカーブの可視化
• 取引ごとの分析

前提条件

必要な依存関係をインストールします。

pip install pandas numpy yfinance matplotlib

高度な機能を利用する場合は、次の依存関係も必要です。

pip install ta-lib scipy scikit-learn

手順

ステップ 1：過去のデータを取得する

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

データは再利用できるよう、{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する

デフォルトのパラメーターで基本的なバックテストを実行します。

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

カスタムパラメーターを指定して高度なバックテストを実行します。

# Example: backtest with specific date range
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：結果を分析する

結果は {baseDir}/reports/ に保存されます。内容は次のとおりです。

• *_summary.txt - パフォーマンス指標
• *_trades.csv - 取引ログ
• *_equity.csv - エクイティカーブのデータ
• *_chart.png - エクイティカーブの画像

ステップ 4：パラメーターを最適化する

グリッドサーチで最適なパラメーターを見つけます。

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
総リターン	全体の利益または損失の割合
CAGR	年平均成長率
シャープレシオ	リスク調整後リターン（目標：>1.5）
ソルティノレシオ	下方リスク調整後リターン
カルマーレシオ	リターンを最大ドローダウンで割った値

リスク指標

指標	説明
最大ドローダウン	ピークからボトムまでの最大下落幅
VaR（95%）	信頼水準 95% のバリュー・アット・リスク
CVaR（95%）	VaR を超える損失の期待値
ボラティリティ	年率換算した標準偏差

取引統計

指標	説明
総取引数	往復取引の数
勝率	利益が出た取引の割合
プロフィットファクター	総利益を総損失で割った値
期待値	取引ごとの期待値

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

対応する戦略

戦略	説明	主なパラメーター
sma_crossover	単純移動平均のクロスオーバー	fast_period、slow_period
ema_crossover	指数移動平均のクロスオーバー	fast_period、slow_period
rsi_reversal	RSI の買われすぎ・売られすぎ	period、overbought、oversold
macd	MACD シグナルラインのクロスオーバー	fast、slow、signal
bollinger_bands	バンドを利用した平均回帰	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     # 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

エラー処理

よくある問題と解決方法については、{baseDir}/references/errors.md を参照してください。

例

次の内容を含む詳しい使用例については、{baseDir}/references/examples.md を参照してください。

• 複数資産の比較
• ウォークフォワード分析
• パラメーター最適化のワークフロー

ファイル

ファイル	用途
scripts/backtest.py	メインのバックテストエンジン
scripts/fetch_data.py	過去データの取得
scripts/strategies.py	戦略の定義
scripts/metrics.py	パフォーマンスの計算
scripts/optimize.py	パラメーターの最適化

リソース

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