外国為替 API を使用してプロのようにバックテストを行う

金融市場の動的​​な性質により、取引戦略を開発および検証するために信頼できるデータを利用することが必要です。バックテスト環境に高品質のデータを効率的に組み込むことは、トレーダーやアナリストにとって非常に重要です。 TraderMade API は、正確かつ詳細かつ包括的な市場データを提供することで、これらの専門家に力を与えます。
この分析では、TraderMade の Time Series API を利用して履歴データを取得し、簡単な単純移動平均 (SMA) クロスオーバー戦略を実行して、その履歴パフォーマンスを評価します。

SMAクロスオーバー戦略について

単純移動平均 (SMA) クロスオーバー戦略は、基本的なテクニカル分析手法です。これには 2 つの SMA の観察が含まれます。1 つは価格変動に対する感度が高い短期 SMA、もう 1 つは短期的な価格変動の影響を軽減する長期 SMA です。

買いシグナルは、短期 SMA が長期 SMA を上回ったときに生成され、潜在的な上昇トレンドを示します。逆に、短期 SMA が長期 SMA を下回ると売りシグナルがトリガーされ、潜在的な下降トレンドを示します。

データ収集

次のように TraderMade の SDK をインストールすることから始めます:

!pip install tradermade

当社では、インストールされたソフトウェア開発キット (SDK) を使用して、外国為替 (外国為替) ペアの時系列データを 1 時間ごとに取得します。後続の Python コードは、EUR/USD 通貨ペアのデータの取得を例にしています。

import tradermade as tm
import pandas as pd
def fetch_forex_data(api_key, currency, start_date, end_date,    interval="hourly", fields=["open", "high", "low", "close"]):

   # Set API key
   tm.set_rest_api_key(api_key)
   # Fetch the data
   data = tm.timeseries(currency=currency, start=start_date, end=end_date, interval=interval, fields=fields)

   # Convert data directly to DataFrame
   df = pd.DataFrame(data)

   # Convert 'date' column to datetime
   df["date"] = pd.to_datetime(df["date"])

   # Set 'date' as the index
   df.set_index("date", inplace=True)

   return df

# Adjust as needed
api_key = "YOUR TRADERMADE API KEY"
currency = "EURUSD"
start_date = "2024-11-01-00:00"
end_date = "2024-11-27-05:12"

# Fetch the data and display the first few rows
forex_data = fetch_forex_data(api_key, currency, start_date, end_date)
forex_data = forex_data.rename(columns={"open": "Open", "high": "High", "low": "Low", "close": "Close"})
forex_data.head()

バックテストのためのデータ取得と前処理が正常に完了しました。

シンプルな SMA クロスオーバー戦略の実装とバックテスト

このセクションでは、バックテスト Python ライブラリを利用して、SMA クロスオーバー戦略を定義および評価します。バックテスト ライブラリに馴染みのない人のために説明すると、バックテスト ライブラリは、テクニカル取引戦略のバックテスト用の著名で堅牢な Python フレームワークであると考えられています。これらの戦略には、SMA クロスオーバー、RSI クロスオーバー、平均反転戦略、モメンタム戦略などを含む多様な範囲が含まれます。

import numpy as np
from backtesting import Backtest, Strategy
from backtesting.lib import crossover
from backtesting.test import SMA

# Define the SMA crossover trading strategy
class SMACrossoverStrategy(Strategy):
       def init(self):
           # Calculate shorter-period SMAs for limited data
           price = self.data.Close
           self.short_sma = self.I(SMA, price, 20)  # Short window
           self.long_sma = self.I(SMA, price, 60)  # Long window

       def next(self):
           # Check for crossover signals
           if crossover(self.short_sma, self.long_sma):
               self.buy()
           elif crossover(self.long_sma, self.short_sma):
               self.sell()

   # Initialize and run the backtest
bt = Backtest(forex_data, SMACrossoverStrategy, cash=10000, commission=.002)
result = bt.run()

   # Display the backtest results
print("Backtest Results:")
print(result)

この戦略では、20 期間と 60 期間の SMA という 2 つの移動平均が使用されます。買い注文は、短期 SMA が長期 SMA を上回ったときに実行されます。逆に、短期 SMA が長期 SMA を下回ると売り注文がトリガーされます。この単純な戦略により、25 日間の取引期間内に 6 回の取引で 243 ドルの利益が得られました。

株式および SMA 曲線分析

後続の Python コードは、SMA クロスオーバー戦略のパフォーマンスを評価します。 SMA は、価格トレンドの視覚化を容易にし、売買シグナルを生成するクロスオーバー ポイントを特定します。株式曲線は、ポートフォリオの成長に対するこれらのシグナルの影響を示すパフォーマンス指標として機能します。

両方の曲線を統合することで、トレーダーはクロスオーバー イベントとポートフォリオ価値の変化との相関関係を容易に観察でき、SMA クロスオーバー戦略の有効性についての重要な洞察が得られます。

Plotly を利用して株式と SMA 曲線を視覚化し、トレーダーが戦略の収益性を効果的に評価できるようにします。

!pip install tradermade

結論

バックテストを成功させるには正確な高頻度データが必要であり、TraderMade の API によりシームレスな統合が促進されます。経験レベルに関係なく、さまざまな戦略を検討する初心者であっても、洗練されたモデルを開発する経験豊富なアナリストであっても、同社の製品は必要なツールを提供します。
TraderMade の API をワークフローに組み込む準備はできていますか?今すぐ旅を始めて、コンセプトを現実に変えましょう。

以上が外国為替 API を使用してプロのようにバックテストを行うの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。