feat: 전략 리서치 스크립트 및 테스트 일괄 추가
- FR/OI 백테스트, LS ratio 백테스트 스크립트 - 펀딩/OI 분석, 거래 LS 분석 스크립트 - evaluate_oos 테스트 추가 Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
This commit is contained in:
21in7
485
scripts/ls_ratio_backtest.py
Normal file
485
scripts/ls_ratio_backtest.py
Normal file
@@ -0,0 +1,485 @@
|
||||
"""
|
||||
L/S Ratio 단독 백테스트 — Phase 1: Pure Edge Test
|
||||
|
||||
6개 조합 (3 임계값 × 2 방향) 스윕, 3단계 필터 판정.
|
||||
데이터: 프로덕션 수집 L/S ratio + Binance kline (같은 기간).
|
||||
|
||||
Usage: python scripts/ls_ratio_backtest.py
|
||||
"""
|
||||
|
||||
import asyncio
|
||||
import aiohttp
|
||||
import pandas as pd
|
||||
import numpy as np
|
||||
from datetime import timezone
|
||||
from pathlib import Path
|
||||
|
||||
BASE = "https://fapi.binance.com"
|
||||
DATA_DIR = Path("data")
|
||||
SYMBOL = "XRPUSDT"
|
||||
FEE_RATE = 0.0004 # 0.04% per side
|
||||
HOLD_BARS = 4 # 4 candles = 1 hour
|
||||
|
||||
|
||||
async def fetch_klines(session, symbol, start_ms, end_ms):
|
||||
"""Binance kline 데이터 가져오기"""
|
||||
all_klines = []
|
||||
current = start_ms
|
||||
while current < end_ms:
|
||||
params = {
|
||||
"symbol": symbol, "interval": "15m",
|
||||
"startTime": current, "endTime": end_ms, "limit": 1500,
|
||||
}
|
||||
async with session.get(f"{BASE}/fapi/v1/klines", params=params) as resp:
|
||||
data = await resp.json()
|
||||
if not data:
|
||||
break
|
||||
all_klines.extend(data)
|
||||
current = data[-1][0] + 1
|
||||
return all_klines
|
||||
|
||||
|
||||
def load_ls_ratio(symbol):
|
||||
"""프로덕션 수집 L/S ratio 로드"""
|
||||
path = DATA_DIR / symbol.lower() / "ls_ratio_15m.parquet"
|
||||
if not path.exists():
|
||||
raise FileNotFoundError(f"{path} not found. Sync from production first.")
|
||||
df = pd.read_parquet(path)
|
||||
df["timestamp"] = pd.to_datetime(df["timestamp"], utc=True)
|
||||
return df.sort_values("timestamp").reset_index(drop=True)
|
||||
|
||||
|
||||
def build_dataset(klines_raw, ls_df):
|
||||
"""Kline + L/S ratio 조인"""
|
||||
df = pd.DataFrame(klines_raw, columns=[
|
||||
"open_time", "open", "high", "low", "close", "volume",
|
||||
"close_time", "quote_vol", "trades", "taker_buy_vol",
|
||||
"taker_buy_quote_vol", "ignore",
|
||||
])
|
||||
df["timestamp"] = pd.to_datetime(df["open_time"], unit="ms", utc=True)
|
||||
for c in ["open", "high", "low", "close", "volume"]:
|
||||
df[c] = df[c].astype(float)
|
||||
|
||||
# L/S ratio 조인 (가장 가까운 타임스탬프)
|
||||
df = df.sort_values("timestamp").reset_index(drop=True)
|
||||
merged = pd.merge_asof(
|
||||
df, ls_df, on="timestamp", direction="nearest",
|
||||
tolerance=pd.Timedelta(minutes=20),
|
||||
)
|
||||
return merged
|
||||
|
||||
|
||||
def run_backtest(df, percentile, direction, hold_bars=HOLD_BARS):
|
||||
"""
|
||||
단일 조합 백테스트 실행.
|
||||
|
||||
- percentile: L/S ratio 임계값 (0~100)
|
||||
- direction: "LONG" or "SHORT"
|
||||
- hold_bars: 보유 캔들 수
|
||||
|
||||
LONG 진입: ratio >= threshold (Momentum)
|
||||
SHORT 진입: ratio <= threshold (Momentum)
|
||||
"""
|
||||
threshold = df["top_acct_ls_ratio"].quantile(percentile / 100)
|
||||
|
||||
trades = []
|
||||
i = 0
|
||||
while i < len(df) - hold_bars:
|
||||
ratio = df.iloc[i]["top_acct_ls_ratio"]
|
||||
if pd.isna(ratio):
|
||||
i += 1
|
||||
continue
|
||||
|
||||
# 시그널 체크
|
||||
if direction == "LONG" and ratio >= threshold:
|
||||
entry_price = df.iloc[i + 1]["open"] # 다음 캔들 시가 진입
|
||||
exit_price = df.iloc[i + 1 + hold_bars - 1]["close"] # hold_bars 후 종가
|
||||
gross_return = (exit_price / entry_price) - 1
|
||||
fee = FEE_RATE * 2 # 진입 + 청산
|
||||
net_return = gross_return - fee
|
||||
trades.append({
|
||||
"entry_time": df.iloc[i + 1]["timestamp"],
|
||||
"exit_time": df.iloc[i + 1 + hold_bars - 1]["timestamp"],
|
||||
"entry_price": entry_price,
|
||||
"exit_price": exit_price,
|
||||
"entry_ls_ratio": ratio,
|
||||
"gross_return_bps": gross_return * 10000,
|
||||
"net_return_bps": net_return * 10000,
|
||||
"fee_bps": fee * 10000,
|
||||
})
|
||||
i += 1 + hold_bars # 포지션 종료 후 다음 캔들부터
|
||||
elif direction == "SHORT" and ratio <= threshold:
|
||||
entry_price = df.iloc[i + 1]["open"]
|
||||
exit_price = df.iloc[i + 1 + hold_bars - 1]["close"]
|
||||
gross_return = (entry_price / exit_price) - 1 # SHORT: 반대
|
||||
fee = FEE_RATE * 2
|
||||
net_return = gross_return - fee
|
||||
trades.append({
|
||||
"entry_time": df.iloc[i + 1]["timestamp"],
|
||||
"exit_time": df.iloc[i + 1 + hold_bars - 1]["timestamp"],
|
||||
"entry_price": entry_price,
|
||||
"exit_price": exit_price,
|
||||
"entry_ls_ratio": ratio,
|
||||
"gross_return_bps": gross_return * 10000,
|
||||
"net_return_bps": net_return * 10000,
|
||||
"fee_bps": fee * 10000,
|
||||
})
|
||||
i += 1 + hold_bars
|
||||
else:
|
||||
i += 1
|
||||
|
||||
if not trades:
|
||||
return None
|
||||
|
||||
df_trades = pd.DataFrame(trades)
|
||||
|
||||
# PF 계산: Σ(net profit) / Σ(|net loss|)
|
||||
wins = df_trades[df_trades["net_return_bps"] > 0]["net_return_bps"]
|
||||
losses = df_trades[df_trades["net_return_bps"] <= 0]["net_return_bps"]
|
||||
|
||||
gross_profit = wins.sum() if len(wins) > 0 else 0
|
||||
gross_loss = abs(losses.sum()) if len(losses) > 0 else 0
|
||||
|
||||
pf = gross_profit / gross_loss if gross_loss > 0 else float("inf") if gross_profit > 0 else 0
|
||||
|
||||
# Max Drawdown (cumulative bps)
|
||||
cum_pnl = df_trades["net_return_bps"].cumsum()
|
||||
running_max = cum_pnl.cummax()
|
||||
drawdown = cum_pnl - running_max
|
||||
max_dd = drawdown.min()
|
||||
|
||||
return {
|
||||
"trades": len(df_trades),
|
||||
"wins": len(wins),
|
||||
"losses": len(losses),
|
||||
"win_rate": len(wins) / len(df_trades) * 100,
|
||||
"pf": pf,
|
||||
"total_pnl_bps": df_trades["net_return_bps"].sum(),
|
||||
"avg_pnl_bps": df_trades["net_return_bps"].mean(),
|
||||
"max_dd_bps": max_dd,
|
||||
"threshold": threshold,
|
||||
"df_trades": df_trades,
|
||||
}
|
||||
|
||||
|
||||
def confidence_emoji(n_trades):
|
||||
if n_trades < 20:
|
||||
return "🔴"
|
||||
elif n_trades < 50:
|
||||
return "🟡"
|
||||
elif n_trades < 100:
|
||||
return "🟢"
|
||||
else:
|
||||
return "🟢"
|
||||
|
||||
|
||||
def confidence_label(n_trades):
|
||||
if n_trades < 20:
|
||||
return "폐기(과적합)"
|
||||
elif n_trades < 50:
|
||||
return "낮음(참고만)"
|
||||
elif n_trades < 100:
|
||||
return "보통(검토)"
|
||||
else:
|
||||
return "높음(우선)"
|
||||
|
||||
|
||||
async def main():
|
||||
print("=" * 80)
|
||||
print(" L/S Ratio 단독 백테스트 — Phase 1: Pure Edge Test")
|
||||
print("=" * 80)
|
||||
|
||||
# 1. 데이터 로드
|
||||
print("\n[1] 데이터 로드")
|
||||
ls_df = load_ls_ratio(SYMBOL)
|
||||
print(f" L/S ratio: {len(ls_df)} rows ({ls_df['timestamp'].min()} ~ {ls_df['timestamp'].max()})")
|
||||
|
||||
start_ms = int(ls_df["timestamp"].min().timestamp() * 1000)
|
||||
end_ms = int(ls_df["timestamp"].max().timestamp() * 1000)
|
||||
|
||||
async with aiohttp.ClientSession() as session:
|
||||
klines = await fetch_klines(session, SYMBOL, start_ms, end_ms)
|
||||
print(f" Klines: {len(klines)} rows")
|
||||
|
||||
df = build_dataset(klines, ls_df)
|
||||
valid = df.dropna(subset=["top_acct_ls_ratio"])
|
||||
print(f" 조인 결과: {len(df)} rows (L/S 매칭: {len(valid)})")
|
||||
print(f" top_acct_ls_ratio: mean={valid['top_acct_ls_ratio'].mean():.4f}, "
|
||||
f"std={valid['top_acct_ls_ratio'].std():.4f}")
|
||||
|
||||
# 백분위수 표시
|
||||
for p in [25, 50, 75]:
|
||||
v = valid["top_acct_ls_ratio"].quantile(p / 100)
|
||||
print(f" P{p}: {v:.4f}")
|
||||
|
||||
# 2. 6개 조합 백테스트
|
||||
print("\n[2] 6개 조합 백테스트 실행")
|
||||
print("-" * 80)
|
||||
|
||||
combinations = [
|
||||
(75, "LONG", "모멘텀 강함: ratio ≥ P75 → LONG"),
|
||||
(75, "SHORT", "역모멘텀: ratio ≥ P75 → SHORT"),
|
||||
(50, "LONG", "모멘텀 중간: ratio ≥ P50 → LONG"),
|
||||
(50, "SHORT", "역모멘텀 중간: ratio ≤ P50 → SHORT"),
|
||||
(25, "LONG", "역모멘텀 약: ratio ≤ P25 → LONG"),
|
||||
(25, "SHORT", "모멘텀 강함: ratio ≤ P25 → SHORT"),
|
||||
]
|
||||
|
||||
results = []
|
||||
for pct, direction, desc in combinations:
|
||||
# LONG: ratio >= threshold, SHORT: ratio <= threshold
|
||||
# 25th percentile LONG = ratio가 낮을 때 LONG (Contrarian)
|
||||
# 실제 로직:
|
||||
# 75 LONG = ratio >= P75 (상위 25% 롱비율 높을 때 롱) = Momentum
|
||||
# 75 SHORT = ratio >= P75 (상위 25% 롱비율 높을 때 숏) = Contrarian
|
||||
# 25 SHORT = ratio <= P25 (하위 25% 롱비율 낮을 때 숏) = Momentum
|
||||
# 25 LONG = ratio <= P25 (하위 25% 롱비율 낮을 때 롱) = Contrarian
|
||||
|
||||
# 방향 보정: 25th에서 LONG은 "ratio <= P25일 때 LONG" (Contrarian)
|
||||
if pct == 25 and direction == "LONG":
|
||||
# 특수 케이스: 낮은 ratio에서 LONG (Contrarian)
|
||||
result = run_backtest_contrarian(df, pct, "LONG")
|
||||
elif pct == 25 and direction == "SHORT":
|
||||
# ratio <= P25일 때 SHORT (Momentum)
|
||||
result = run_backtest(df, pct, "SHORT")
|
||||
elif pct == 75 and direction == "SHORT":
|
||||
# ratio >= P75일 때 SHORT (Contrarian)
|
||||
result = run_backtest_contrarian(df, pct, "SHORT")
|
||||
else:
|
||||
result = run_backtest(df, pct, direction)
|
||||
|
||||
if result:
|
||||
result["percentile"] = pct
|
||||
result["direction"] = direction
|
||||
result["description"] = desc
|
||||
results.append(result)
|
||||
else:
|
||||
results.append({
|
||||
"percentile": pct, "direction": direction,
|
||||
"description": desc, "trades": 0, "pf": 0,
|
||||
"win_rate": 0, "total_pnl_bps": 0, "max_dd_bps": 0,
|
||||
"threshold": 0, "wins": 0, "losses": 0, "avg_pnl_bps": 0,
|
||||
})
|
||||
|
||||
# 3. 결과 테이블
|
||||
print("\n[3] 결과 테이블")
|
||||
print("=" * 80)
|
||||
print(f"{'조합':<35} {'거래수':>6} {'승률':>7} {'PF':>7} {'PnL(bps)':>10} {'MaxDD':>10} {'신뢰도':<15}")
|
||||
print("-" * 80)
|
||||
|
||||
for r in results:
|
||||
emoji = confidence_emoji(r["trades"])
|
||||
label = confidence_label(r["trades"])
|
||||
pf_str = f"{r['pf']:.2f}" if r["pf"] != float("inf") else "INF"
|
||||
print(f"{r['description']:<35} {r['trades']:>6} {r['win_rate']:>6.1f}% {pf_str:>7} "
|
||||
f"{r['total_pnl_bps']:>+10.1f} {r['max_dd_bps']:>10.1f} {emoji} {label}")
|
||||
|
||||
# 4. 필터 1: PF 판정
|
||||
print("\n[4] 필터 1: PF 판정")
|
||||
print("-" * 80)
|
||||
|
||||
strong = [r for r in results if r["pf"] > 1.5 and r["trades"] > 0]
|
||||
weak = [r for r in results if 0.5 <= r["pf"] <= 1.5 and r["trades"] > 0]
|
||||
failed = [r for r in results if r["pf"] < 0.5 and r["trades"] > 0]
|
||||
|
||||
print(f" PF > 1.5 (명확한 edge): {len(strong)}개 조합")
|
||||
for r in strong:
|
||||
print(f" → {r['description']} (PF={r['pf']:.2f}, trades={r['trades']})")
|
||||
print(f" 0.5 ≤ PF ≤ 1.5 (보류): {len(weak)}개 조합")
|
||||
for r in weak:
|
||||
print(f" ~ {r['description']} (PF={r['pf']:.2f}, trades={r['trades']})")
|
||||
print(f" PF < 0.5 (실패): {len(failed)}개 조합")
|
||||
for r in failed:
|
||||
print(f" ✗ {r['description']} (PF={r['pf']:.2f}, trades={r['trades']})")
|
||||
|
||||
# 5. 필터 2: 거래수 신뢰도
|
||||
print("\n[5] 필터 2: 거래수 신뢰도 (필터 1 통과 조합)")
|
||||
print("-" * 80)
|
||||
|
||||
filter2_passed = [r for r in strong if r["trades"] >= 20]
|
||||
filter2_ref = [r for r in strong if r["trades"] < 20]
|
||||
|
||||
if filter2_passed:
|
||||
for r in filter2_passed:
|
||||
print(f" ✓ {r['description']} — {r['trades']}건 ({confidence_label(r['trades'])})")
|
||||
else:
|
||||
print(" ⚠️ PF > 1.5 조합 중 거래수 20건 이상인 것 없음")
|
||||
if filter2_ref:
|
||||
for r in filter2_ref:
|
||||
print(f" 🔴 {r['description']} — {r['trades']}건 (폐기: 과적합)")
|
||||
|
||||
# 6. 필터 3: 대칭성 판정
|
||||
print("\n[6] 필터 3: 대칭성 판정")
|
||||
print("-" * 80)
|
||||
|
||||
# 같은 percentile에서 LONG/SHORT 양쪽 확인
|
||||
for pct in [75, 50, 25]:
|
||||
long_r = next((r for r in results if r["percentile"] == pct and r["direction"] == "LONG"), None)
|
||||
short_r = next((r for r in results if r["percentile"] == pct and r["direction"] == "SHORT"), None)
|
||||
if not long_r or not short_r:
|
||||
continue
|
||||
|
||||
l_pf = long_r["pf"]
|
||||
s_pf = short_r["pf"]
|
||||
|
||||
if l_pf > 1.5 and s_pf > 1.5:
|
||||
verdict = "Case 1: 양방향 생존 → ✓ Phase 2 후보"
|
||||
elif (l_pf > 1.5 and s_pf < 0.5) or (s_pf > 1.5 and l_pf < 0.5):
|
||||
verdict = "Case 2: 한쪽만 성공 → ✗ 시장 베타/우연 (폐기)"
|
||||
elif l_pf > 1.5 or s_pf > 1.5:
|
||||
verdict = "Case 3: 부분적 edge → ~ 낮은 신뢰도"
|
||||
else:
|
||||
verdict = "양쪽 모두 약함 → 해당 없음"
|
||||
|
||||
print(f" P{pct}: LONG PF={l_pf:.2f}, SHORT PF={s_pf:.2f}")
|
||||
print(f" → {verdict}")
|
||||
|
||||
# 7. 최종 판정
|
||||
print("\n" + "=" * 80)
|
||||
print(" [최종 판정]")
|
||||
print("=" * 80)
|
||||
|
||||
# Phase 2 후보 찾기
|
||||
phase2_candidates = []
|
||||
for pct in [75, 50, 25]:
|
||||
long_r = next((r for r in results if r["percentile"] == pct and r["direction"] == "LONG"), None)
|
||||
short_r = next((r for r in results if r["percentile"] == pct and r["direction"] == "SHORT"), None)
|
||||
if not long_r or not short_r:
|
||||
continue
|
||||
|
||||
# Case 1: 양방향 PF > 1.5
|
||||
if long_r["pf"] > 1.5 and short_r["pf"] > 1.5:
|
||||
if long_r["trades"] >= 20 and short_r["trades"] >= 20:
|
||||
phase2_candidates.append(("Case1", pct, long_r, short_r))
|
||||
# Case 3: 한쪽만 PF > 1.5
|
||||
elif long_r["pf"] > 1.5 and long_r["trades"] >= 20:
|
||||
phase2_candidates.append(("Case3-LONG", pct, long_r, short_r))
|
||||
elif short_r["pf"] > 1.5 and short_r["trades"] >= 20:
|
||||
phase2_candidates.append(("Case3-SHORT", pct, long_r, short_r))
|
||||
|
||||
if phase2_candidates:
|
||||
print("\n 🟢 Phase 2 진행 후보 발견!")
|
||||
for case, pct, lr, sr in phase2_candidates:
|
||||
print(f" [{case}] P{pct}: LONG PF={lr['pf']:.2f}({lr['trades']}건), "
|
||||
f"SHORT PF={sr['pf']:.2f}({sr['trades']}건)")
|
||||
print("\n → Phase 2 (Bot Simulation) 진행 권장")
|
||||
print(" → 단, 8일 데이터이므로 4월 15일 재검증 필수")
|
||||
else:
|
||||
# 모든 조합 중 최고 PF
|
||||
best = max(results, key=lambda r: r["pf"] if r["trades"] > 0 else 0)
|
||||
if best["pf"] > 1.0:
|
||||
print(f"\n 🟡 필터 미통과이나 PF > 1.0 조합 존재")
|
||||
print(f" Best: {best['description']} (PF={best['pf']:.2f}, {best['trades']}건)")
|
||||
print(f"\n → 데이터 부족. 4월 15일까지 수집 후 재검증")
|
||||
else:
|
||||
print(f"\n 🔴 PF > 1.0 조합 없음")
|
||||
print(f" Best: {best['description']} (PF={best['pf']:.2f}, {best['trades']}건)")
|
||||
print(f"\n → L/S ratio 단독 시그널로는 edge 없음")
|
||||
print(f" → 다른 데이터 소스 탐색 권장")
|
||||
|
||||
# 8. 추가: 전 구간 상세 (best 조합)
|
||||
best = max(results, key=lambda r: r["pf"] if r["trades"] > 10 else 0)
|
||||
if "df_trades" in best and best["trades"] > 0:
|
||||
print(f"\n[참고] Best 조합 상세: {best['description']}")
|
||||
print("-" * 60)
|
||||
tdf = best["df_trades"]
|
||||
print(f" 거래 기간: {tdf['entry_time'].min()} ~ {tdf['exit_time'].max()}")
|
||||
print(f" 평균 진입 L/S ratio: {tdf['entry_ls_ratio'].mean():.4f}")
|
||||
print(f" 수익 거래 평균: {tdf[tdf['net_return_bps']>0]['net_return_bps'].mean():.1f} bps")
|
||||
if len(tdf[tdf['net_return_bps'] <= 0]) > 0:
|
||||
print(f" 손실 거래 평균: {tdf[tdf['net_return_bps']<=0]['net_return_bps'].mean():.1f} bps")
|
||||
print(f" 최대 연승: ", end="")
|
||||
streaks = []
|
||||
streak = 0
|
||||
for _, row in tdf.iterrows():
|
||||
if row["net_return_bps"] > 0:
|
||||
streak += 1
|
||||
else:
|
||||
if streak > 0:
|
||||
streaks.append(streak)
|
||||
streak = 0
|
||||
if streak > 0:
|
||||
streaks.append(streak)
|
||||
print(f"{max(streaks) if streaks else 0}연승")
|
||||
|
||||
print("\n" + "=" * 80)
|
||||
print(" 분석 완료. 결과를 바탕으로 의사결정하세요.")
|
||||
print("=" * 80)
|
||||
|
||||
|
||||
def run_backtest_contrarian(df, percentile, direction, hold_bars=HOLD_BARS):
|
||||
"""
|
||||
Contrarian 방향 백테스트.
|
||||
- P25 + LONG: ratio <= P25일 때 LONG (낮은 ratio에서 롱)
|
||||
- P75 + SHORT: ratio >= P75일 때 SHORT (높은 ratio에서 숏)
|
||||
"""
|
||||
threshold = df["top_acct_ls_ratio"].quantile(percentile / 100)
|
||||
|
||||
trades = []
|
||||
i = 0
|
||||
while i < len(df) - hold_bars:
|
||||
ratio = df.iloc[i]["top_acct_ls_ratio"]
|
||||
if pd.isna(ratio):
|
||||
i += 1
|
||||
continue
|
||||
|
||||
trigger = False
|
||||
if direction == "LONG" and ratio <= threshold:
|
||||
trigger = True
|
||||
elif direction == "SHORT" and ratio >= threshold:
|
||||
trigger = True
|
||||
|
||||
if trigger:
|
||||
entry_price = df.iloc[i + 1]["open"]
|
||||
exit_price = df.iloc[i + 1 + hold_bars - 1]["close"]
|
||||
if direction == "LONG":
|
||||
gross_return = (exit_price / entry_price) - 1
|
||||
else:
|
||||
gross_return = (entry_price / exit_price) - 1
|
||||
fee = FEE_RATE * 2
|
||||
net_return = gross_return - fee
|
||||
trades.append({
|
||||
"entry_time": df.iloc[i + 1]["timestamp"],
|
||||
"exit_time": df.iloc[i + 1 + hold_bars - 1]["timestamp"],
|
||||
"entry_price": entry_price,
|
||||
"exit_price": exit_price,
|
||||
"entry_ls_ratio": ratio,
|
||||
"gross_return_bps": gross_return * 10000,
|
||||
"net_return_bps": net_return * 10000,
|
||||
"fee_bps": fee * 10000,
|
||||
})
|
||||
i += 1 + hold_bars
|
||||
else:
|
||||
i += 1
|
||||
|
||||
if not trades:
|
||||
return None
|
||||
|
||||
df_trades = pd.DataFrame(trades)
|
||||
wins = df_trades[df_trades["net_return_bps"] > 0]["net_return_bps"]
|
||||
losses = df_trades[df_trades["net_return_bps"] <= 0]["net_return_bps"]
|
||||
|
||||
gross_profit = wins.sum() if len(wins) > 0 else 0
|
||||
gross_loss = abs(losses.sum()) if len(losses) > 0 else 0
|
||||
pf = gross_profit / gross_loss if gross_loss > 0 else float("inf") if gross_profit > 0 else 0
|
||||
|
||||
cum_pnl = df_trades["net_return_bps"].cumsum()
|
||||
running_max = cum_pnl.cummax()
|
||||
max_dd = (cum_pnl - running_max).min()
|
||||
|
||||
return {
|
||||
"trades": len(df_trades),
|
||||
"wins": len(wins),
|
||||
"losses": len(losses),
|
||||
"win_rate": len(wins) / len(df_trades) * 100,
|
||||
"pf": pf,
|
||||
"total_pnl_bps": df_trades["net_return_bps"].sum(),
|
||||
"avg_pnl_bps": df_trades["net_return_bps"].mean(),
|
||||
"max_dd_bps": max_dd,
|
||||
"threshold": threshold,
|
||||
"df_trades": df_trades,
|
||||
}
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
asyncio.run(main())
|
||||
Reference in New Issue
Block a user