vectorbt-expert

VectorBT バックテストエキスパートスキル

環境

• vectorbt、pandas、numpy、plotly を使用する Python
• データソース：OpenAlgo（インド市場）、DuckDB（データベースに直接接続）、yfinance（米国／グローバル）、CCXT（暗号資産）、カスタムプロバイダー
• DuckDB のサポート：カスタム DuckDB と OpenAlgo Historify 形式の両方に対応
• API キーは python-dotenv と find_dotenv() を使って単一のルート .env から読み込みます。キーをハードコードしないでください
• テクニカル指標：OpenAlgo ta（デフォルト。from openalgo import ta。トレンド／モメンタム／ボラティリティ／出来高／オシレーター／統計／ハイブリッドを網羅する 100 以上の指標）。TA-Lib を使うのは、ユーザーが TA-Lib／talib を明示的に指定した場合のみです。どちらの場合も、VectorBT の組み込み指標は絶対に使わないでください
• 特殊な指標（TA-Lib に相当するものがなく、常に openalgo.ta を使用）：Supertrend、Donchian、Ichimoku、HMA、KAMA、ALMA、ZLEMA、VWMA
• シグナルのクリーニング：openalgo.ta の exrem、crossover、crossunder、flip を使用します（指標ライブラリに関係なく常に使用）
• 手数料モデル：インド市場標準（STT + 法定諸費用 + 1 注文あたり Rs 20）
• ベンチマーク：デフォルトでは OpenAlgo 経由の NIFTY 50（NSE_INDEX）
• チャート：template="plotly_dark" を指定した Plotly
• 環境変数は、find_dotenv()（スクリプトのディレクトリから上位へ検索）を使ってプロジェクトルートの単一 .env から読み込みます
• スクリプトは backtesting/{strategy_name}/ ディレクトリに配置します（事前に作成せず、必要に応じて作成）
• コードやロガーの出力にアイコンや絵文字を使わないでください

重要なルール

1. すべてのテクニカル指標（EMA、SMA、RSI、MACD、BBANDS、ATR、ADX、STDDEV、MOM など 90 種類以上）には、デフォルトで OpenAlgo ta（from openalgo import ta）を使用します。プロンプトでユーザーが「talib」／「TA-Lib」を明示的に指定した場合に限り、TA-Lib を使用してください。どちらのライブラリを使う場合も、vbt.MA.run()、vbt.RSI.run()、その他の VectorBT 組み込み指標は絶対に使わないでください。
2. TA-Lib に存在しない指標には、常に OpenAlgo ta を使用します：Supertrend、Donchian、Ichimoku、HMA、KAMA、ALMA、ZLEMA、VWMA。これらには TA-Lib に相当するものがないため、TA-Lib を明示的に使用するスクリプトでも openalgo.ta を使います。
3. シグナルユーティリティには OpenAlgo ta を使用します：ta.exrem()、ta.crossover()、ta.crossunder()、ta.flip()。openalgo.ta をインポートできない場合（単独の DuckDB 使用時）は、インラインの exrem() フォールバックを使用します。duckdb-data を参照してください。
4. 生の買い／売りシグナルを生成した後は、必ず ta.exrem() でシグナルをクリーニングしてください。exrem の前に必ず .fillna(False) を適用してください。
5. 市場ごとに手数料を設定します：インド（indian-market-costs）、米国（us-market-costs）、暗号資産（crypto-market-costs）。ユーザーの市場に基づいて自動選択してください。
6. デフォルトのベンチマーク：インド＝OpenAlgo 経由の NIFTY、米国＝S&P 500（^GSPC）、暗号資産＝Bitcoin（BTC-USD）。data-fetching の「市場選択ガイド」を参照してください。
7. バックテストの後は必ず、戦略とベンチマークの比較表を作成してください。
8. バックテストレポートについて、一般のトレーダーにもリスクと強みが伝わるよう、平易な言葉で必ず説明してください。
9. Plotly のローソク足チャートでは、週末による間隔を避けるため、xaxis type="category" を必ず使用してください。
10. 株式は整数株：株式には必ず min_size=1, size_granularity=1 を設定してください。
11. DuckDB のデータ読み込み：ユーザーが DuckDB のパスを指定した場合は、duckdb.connect() に read_only=True を指定してデータを直接読み込みます。形式を自動検出してください：OpenAlgo Historify（テーブル market_data、エポックタイムスタンプ）またはカスタム形式（テーブル ohlcv、date 列と time 列）。duckdb-data を参照してください。

モジュール式ルールファイル

各トピックの詳細なリファレンスは rules/ にあります。

ルールファイル	トピック
data-fetching	OpenAlgo（インド）、yfinance（米国）、CCXT（暗号資産）、カスタムプロバイダー、.env の設定
simulation-modes	from_signals、from_orders、from_holding、方向の種類
position-sizing	金額／価値／割合／目標割合によるサイズ設定
indicators-signals	OpenAlgo ta インジケーターのリファレンス（デフォルト）、TA-Lib のオプトイン、シグナル生成
openalgo-ta-helpers	OpenAlgo ta の完全なカタログ（100 以上のインジケーター）：exrem、crossover、Supertrend、Donchian、Ichimoku、MA
stop-loss-take-profit	固定 SL、TP、トレーリングストップ
parameter-optimization	ブロードキャストとループベースの最適化
performance-analysis	統計、指標、ベンチマークとの比較、CAGR
plotting	ローソク足（カテゴリ軸）、VectorBT のプロット、カスタム Plotly
indian-market-costs	セグメント別のインド市場手数料モデル
us-market-costs	米国市場の手数料モデル（株式、オプション、先物）
crypto-market-costs	暗号資産の手数料モデル（現物、USDT-M、COIN-M 先物）
futures-backtesting	ロットサイズ（SEBI が 2025 年 12 月に改定）、価値によるサイズ設定
long-short-trading	ロング／ショートの同時取引、方向の比較
duckdb-data	DuckDB からの直接読み込み、Historify 形式、自動検出、リサンプリング、複数銘柄
csv-data-resampling	CSV の読み込み、インド市場に合わせたリサンプリング
walk-forward	ウォークフォワード分析、WFE 比率
robustness-testing	モンテカルロ、ノイズテスト、パラメーター感度、遅延テスト
pitfalls	よくある間違いと実運用開始前のチェックリスト
strategy-catalog	コードスニペット付きの戦略リファレンス
openstatz-tearsheet	OpenStatz のインタラクティブなオフラインダッシュボード、指標、モンテカルロ（QuantStats に代わるもの）

戦略テンプレート（rules/assets/ 内）

現実的な手数料、NIFTY ベンチマーク、比較表、平易な言葉によるレポートを含む、本番環境向けのスクリプトです。

テンプレート	パス	説明
EMA クロスオーバー	assets/ema_crossover/backtest.py	EMA 10/20 のクロスオーバー
RSI	assets/rsi/backtest.py	RSI(14) の売られ過ぎ／買われ過ぎ
Donchian	assets/donchian/backtest.py	Donchian チャネルブレイクアウト
Supertrend	assets/supertrend/backtest.py	日中セッション対応の Supertrend
MACD	assets/macd/backtest.py	MACD シグナルローソク足のブレイクアウト
SDA2	assets/sda2/backtest.py	SDA2 トレンドフォロー
モメンタム	assets/momentum/backtest.py	ダブルモメンタム（MOM + MOM-of-MOM）
デュアルモメンタム	assets/dual_momentum/backtest.py	四半期ごとの ETF ローテーション
バイ・アンド・ホールド	assets/buy_hold/backtest.py	静的なマルチアセット配分
RSI 積み立て	assets/rsi_accumulation/backtest.py	RSI の区分に応じた週次の積み立て
ウォークフォワード	assets/walk_forward/template.py	ウォークフォワード分析テンプレート
現実的なコスト	assets/realistic_costs/template.py	取引コストの影響を比較

クイックテンプレート：標準的なバックテストスクリプト

import os
from datetime import datetime, timedelta
from pathlib import Path

import numpy as np
import pandas as pd
import vectorbt as vbt
from dotenv import find_dotenv, load_dotenv
from openalgo import api, ta

# --- Config ---
script_dir = Path(__file__).resolve().parent
load_dotenv(find_dotenv(), override=False)

SYMBOL = "SBIN"
EXCHANGE = "NSE"
INTERVAL = "D"
INIT_CASH = 1_000_000
FEES = 0.00111              # Indian delivery equity (STT + statutory)
FIXED_FEES = 20             # Rs 20 per order
ALLOCATION = 0.75
BENCHMARK_SYMBOL = "NIFTY"
BENCHMARK_EXCHANGE = "NSE_INDEX"

# --- Fetch Data ---
client = api(
    api_key=os.getenv("OPENALGO_API_KEY"),
    host=os.getenv("OPENALGO_HOST", "http://127.0.0.1:5000"),
)

end_date = datetime.now().date()
start_date = end_date - timedelta(days=365 * 3)

df = client.history(
    symbol=SYMBOL, exchange=EXCHANGE, interval=INTERVAL,
    start_date=start_date.strftime("%Y-%m-%d"),
    end_date=end_date.strftime("%Y-%m-%d"),
)
if "timestamp" in df.columns:
    df["timestamp"] = pd.to_datetime(df["timestamp"])
    df = df.set_index("timestamp")
else:
    df.index = pd.to_datetime(df.index)
df = df.sort_index()
if df.index.tz is not None:
    df.index = df.index.tz_convert(None)

close = df["close"]

# --- Strategy: EMA Crossover (OpenAlgo ta - default indicator library) ---
ema_fast = ta.ema(close, 10)
ema_slow = ta.ema(close, 20)

buy_raw = (ema_fast > ema_slow) & (ema_fast.shift(1) <= ema_slow.shift(1))
sell_raw = (ema_fast < ema_slow) & (ema_fast.shift(1) >= ema_slow.shift(1))

entries = ta.exrem(buy_raw.fillna(False), sell_raw.fillna(False))
exits = ta.exrem(sell_raw.fillna(False), buy_raw.fillna(False))

# --- Backtest ---
pf = vbt.Portfolio.from_signals(
    close, entries, exits,
    init_cash=INIT_CASH, size=ALLOCATION, size_type="percent",
    fees=FEES, fixed_fees=FIXED_FEES, direction="longonly",
    min_size=1, size_granularity=1, freq="1D",
)

# --- Benchmark ---
df_bench = client.history(
    symbol=BENCHMARK_SYMBOL, exchange=BENCHMARK_EXCHANGE, interval=INTERVAL,
    start_date=start_date.strftime("%Y-%m-%d"),
    end_date=end_date.strftime("%Y-%m-%d"),
)
if "timestamp" in df_bench.columns:
    df_bench["timestamp"] = pd.to_datetime(df_bench["timestamp"])
    df_bench = df_bench.set_index("timestamp")
else:
    df_bench.index = pd.to_datetime(df_bench.index)
df_bench = df_bench.sort_index()
if df_bench.index.tz is not None:
    df_bench.index = df_bench.index.tz_convert(None)
bench_close = df_bench["close"].reindex(close.index).ffill().bfill()
pf_bench = vbt.Portfolio.from_holding(bench_close, init_cash=INIT_CASH, fees=FEES, freq="1D")

# --- Results ---
print(pf.stats())

# --- Strategy vs Benchmark ---
comparison = pd.DataFrame({
    "Strategy": [
        f"{pf.total_return() * 100:.2f}%", f"{pf.sharpe_ratio():.2f}",
        f"{pf.sortino_ratio():.2f}", f"{pf.max_drawdown() * 100:.2f}%",
        f"{pf.trades.win_rate() * 100:.1f}%", f"{pf.trades.count()}",
        f"{pf.trades.profit_factor():.2f}",
    ],
    f"Benchmark ({BENCHMARK_SYMBOL})": [
        f"{pf_bench.total_return() * 100:.2f}%", f"{pf_bench.sharpe_ratio():.2f}",
        f"{pf_bench.sortino_ratio():.2f}", f"{pf_bench.max_drawdown() * 100:.2f}%",
        "-", "-", "-",
    ],
}, index=["Total Return", "Sharpe Ratio", "Sortino Ratio", "Max Drawdown",
          "Win Rate", "Total Trades", "Profit Factor"])
print(comparison.to_string())

# --- Explain ---
print(f"* Total Return: {pf.total_return() * 100:.2f}% vs NIFTY {pf_bench.total_return() * 100:.2f}%")
print(f"* Max Drawdown: {pf.max_drawdown() * 100:.2f}%")
print(f"  -> On Rs {INIT_CASH:,}, worst temporary loss = Rs {abs(pf.max_drawdown()) * INIT_CASH:,.0f}")

# --- Plot ---
fig = pf.plot(subplots=['value', 'underwater', 'cum_returns'], template="plotly_dark")
fig.show()

# --- Export ---
pf.positions.records_readable.to_csv(script_dir / f"{SYMBOL}_trades.csv", index=False)

クイックテンプレート：DuckDB バックテストスクリプト

import datetime as dt
from pathlib import Path

import duckdb
import numpy as np
import pandas as pd
import vectorbt as vbt

try:
    # Default: OpenAlgo ta for both indicators and signal cleaning
    from openalgo import ta
    exrem = ta.exrem
    ema = ta.ema
except ImportError:
    # Fallback ONLY when the openalgo package itself is not installed
    # (standalone DuckDB with no OpenAlgo). Use TA-Lib for indicators
    # and this inline exrem() replacement for signal cleaning.
    import talib as tl

    def ema(data, period):
        return pd.Series(tl.EMA(data.values, timeperiod=period), index=data.index)

    def exrem(signal1, signal2):
        result = signal1.copy()
        active = False
        for i in range(len(signal1)):
            if active:
                result.iloc[i] = False
            if signal1.iloc[i] and not active:
                active = True
            if signal2.iloc[i]:
                active = False
        return result

# --- Config ---
SYMBOL = "SBIN"
DB_PATH = r"path/to/market_data.duckdb"
INIT_CASH = 1_000_000
FEES = 0.000225              # Intraday equity
FIXED_FEES = 20

# --- Load from DuckDB ---
con = duckdb.connect(DB_PATH, read_only=True)
df = con.execute("""
    SELECT date, time, open, high, low, close, volume
    FROM ohlcv WHERE symbol = ? ORDER BY date, time
""", [SYMBOL]).fetchdf()
con.close()

df["datetime"] = pd.to_datetime(df["date"].astype(str) + " " + df["time"].astype(str))
df = df.set_index("datetime").sort_index()
df = df.drop(columns=["date", "time"])

# --- Resample to 5min ---
df_5m = df.resample("5min", origin="start_day", offset="9h15min",
                     label="right", closed="right").agg({
    "open": "first", "high": "max", "low": "min", "close": "last", "volume": "sum"
}).dropna()
close = df_5m["close"]

# --- Strategy + Backtest (same as OpenAlgo template, but use the ema()/exrem() resolved above) ---

ユーザーが TA-Lib を明示的に指定した場合は、上記の try/except を省略し、代わりに import talib as tl を直接実行してください。exrem のフォールバックは、openalgo 自体を利用できない場合に限ります。