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
459
scripts/trade_ls_analysis.py
Normal file
459
scripts/trade_ls_analysis.py
Normal file
@@ -0,0 +1,459 @@
|
||||
"""
|
||||
Trade History + L/S Ratio 종합 분석
|
||||
- 봇 대시보드 API에서 거래 기록 로드
|
||||
- Binance API에서 L/S ratio (30일) 로드 + 로컬 parquet 병합
|
||||
- 진입/청산 시점 L/S ratio 매칭
|
||||
- 수익/손실 거래별 L/S 분포 분석
|
||||
- L/S 임계값 필터링 시뮬레이션
|
||||
|
||||
Usage: python scripts/trade_ls_analysis.py [--api URL]
|
||||
"""
|
||||
|
||||
import asyncio
|
||||
import aiohttp
|
||||
import pandas as pd
|
||||
import numpy as np
|
||||
from datetime import datetime, timedelta, timezone
|
||||
from pathlib import Path
|
||||
import argparse
|
||||
import json
|
||||
|
||||
BASE = "https://fapi.binance.com"
|
||||
DASHBOARD_API = "http://10.1.10.24:8080/api/trades"
|
||||
DATA_DIR = Path("data")
|
||||
SYMBOLS_FOR_LS = ["XRPUSDT", "BTCUSDT", "ETHUSDT"]
|
||||
|
||||
|
||||
async def fetch_json(session, url, params=None):
|
||||
async with session.get(url, params=params) as resp:
|
||||
return await resp.json()
|
||||
|
||||
|
||||
async def fetch_ls_ratios_from_api(session, symbol, start_ms, end_ms):
|
||||
"""Binance API에서 L/S ratio 전체 기간 가져오기 (페이징)"""
|
||||
all_top_acct = []
|
||||
all_global = []
|
||||
|
||||
for endpoint, target in [
|
||||
(f"{BASE}/futures/data/topLongShortAccountRatio", all_top_acct),
|
||||
(f"{BASE}/futures/data/globalLongShortAccountRatio", all_global),
|
||||
]:
|
||||
current = start_ms
|
||||
while current < end_ms:
|
||||
params = {
|
||||
"symbol": symbol,
|
||||
"period": "15m",
|
||||
"startTime": current,
|
||||
"endTime": end_ms,
|
||||
"limit": 500,
|
||||
}
|
||||
data = await fetch_json(session, endpoint, params)
|
||||
if not data or not isinstance(data, list):
|
||||
break
|
||||
target.extend(data)
|
||||
last_ts = int(data[-1]["timestamp"])
|
||||
if last_ts <= current:
|
||||
break
|
||||
current = last_ts + 1
|
||||
|
||||
def to_df(data, col_name):
|
||||
if not data:
|
||||
return pd.DataFrame()
|
||||
df = pd.DataFrame(data)
|
||||
df["timestamp"] = pd.to_datetime(df["timestamp"].astype(int), unit="ms", utc=True)
|
||||
df[col_name] = df["longShortRatio"].astype(float)
|
||||
return df[["timestamp", col_name]].drop_duplicates("timestamp")
|
||||
|
||||
df_top = to_df(all_top_acct, "top_acct_ls_ratio")
|
||||
df_global = to_df(all_global, "global_ls_ratio")
|
||||
|
||||
if df_top.empty and df_global.empty:
|
||||
return pd.DataFrame()
|
||||
|
||||
if df_top.empty:
|
||||
return df_global
|
||||
if df_global.empty:
|
||||
return df_top
|
||||
|
||||
return df_top.merge(df_global, on="timestamp", how="outer").sort_values("timestamp")
|
||||
|
||||
|
||||
def load_local_ls_ratio(symbol):
|
||||
"""로컬 parquet에서 L/S ratio 로드"""
|
||||
path = DATA_DIR / symbol.lower() / "ls_ratio_15m.parquet"
|
||||
if not path.exists():
|
||||
return pd.DataFrame()
|
||||
df = pd.read_parquet(path)
|
||||
if "timestamp" in df.columns:
|
||||
df["timestamp"] = pd.to_datetime(df["timestamp"], utc=True)
|
||||
return df
|
||||
|
||||
|
||||
def find_nearest_ls(ls_df, target_time, max_gap_minutes=30):
|
||||
"""타겟 시간에 가장 가까운 L/S ratio 찾기"""
|
||||
if ls_df.empty:
|
||||
return None, None, None
|
||||
|
||||
target = pd.Timestamp(target_time, tz="UTC")
|
||||
diffs = (ls_df["timestamp"] - target).abs()
|
||||
idx = diffs.idxmin()
|
||||
gap = diffs[idx]
|
||||
|
||||
if gap > pd.Timedelta(minutes=max_gap_minutes):
|
||||
return None, None, gap
|
||||
|
||||
row = ls_df.loc[idx]
|
||||
return row.get("top_acct_ls_ratio"), row.get("global_ls_ratio"), gap
|
||||
|
||||
|
||||
def classify_signal(trade):
|
||||
"""진입 신호 분류"""
|
||||
rsi = trade.get("rsi", 0)
|
||||
macd = trade.get("macd_hist", 0)
|
||||
direction = trade["direction"]
|
||||
|
||||
signals = []
|
||||
if direction == "LONG":
|
||||
if rsi and rsi > 65:
|
||||
signals.append("RSI과매수진입")
|
||||
elif rsi and rsi < 35:
|
||||
signals.append("RSI역방향")
|
||||
if macd and macd > 0:
|
||||
signals.append("MACD+")
|
||||
elif macd and macd < 0:
|
||||
signals.append("MACD역방향")
|
||||
else: # SHORT
|
||||
if rsi and rsi < 35:
|
||||
signals.append("RSI과매도진입")
|
||||
elif rsi and rsi > 65:
|
||||
signals.append("RSI역방향")
|
||||
if macd and macd < 0:
|
||||
signals.append("MACD-")
|
||||
elif macd and macd > 0:
|
||||
signals.append("MACD역방향")
|
||||
|
||||
return ", ".join(signals) if signals else "복합신호"
|
||||
|
||||
|
||||
def classify_close_reason(trade):
|
||||
"""청산 이유 분류"""
|
||||
reason = trade["close_reason"]
|
||||
if reason == "TP":
|
||||
return "TP(익절)"
|
||||
elif reason == "SYNC":
|
||||
return "SL(손절)"
|
||||
elif reason == "MANUAL":
|
||||
# MANUAL인데 SL가격과 exit가격이 같으면 SL
|
||||
sl = trade.get("sl")
|
||||
exit_p = trade.get("exit_price")
|
||||
if sl and exit_p and abs(float(sl) - float(exit_p)) < 0.0001:
|
||||
return "SL(손절)"
|
||||
# 역방향 시그널로 청산
|
||||
extra = trade.get("extra", "{}")
|
||||
if isinstance(extra, str):
|
||||
try:
|
||||
extra = json.loads(extra)
|
||||
except json.JSONDecodeError:
|
||||
extra = {}
|
||||
if extra.get("recovery"):
|
||||
return "신호반전"
|
||||
return "SL(손절)" # 대부분 MANUAL은 SL 히트
|
||||
return reason
|
||||
|
||||
|
||||
async def main():
|
||||
parser = argparse.ArgumentParser()
|
||||
parser.add_argument("--api", default=DASHBOARD_API)
|
||||
args = parser.parse_args()
|
||||
|
||||
print("=" * 80)
|
||||
print(" Trade History + L/S Ratio 종합 분석")
|
||||
print("=" * 80)
|
||||
|
||||
# 1. 거래 데이터 로드
|
||||
async with aiohttp.ClientSession() as session:
|
||||
trade_data = await fetch_json(session, args.api)
|
||||
trades = trade_data["trades"]
|
||||
print(f"\n📊 거래 데이터: {len(trades)}건 로드")
|
||||
|
||||
# 2. L/S ratio 데이터 로드 (API + local)
|
||||
# 가장 오래된 거래 기준으로 시작 시간 설정
|
||||
earliest = min(t["entry_time"] for t in trades)
|
||||
start_dt = pd.Timestamp(earliest, tz="UTC") - timedelta(hours=1)
|
||||
end_dt = datetime.now(timezone.utc)
|
||||
start_ms = int(start_dt.timestamp() * 1000)
|
||||
end_ms = int(end_dt.timestamp() * 1000)
|
||||
|
||||
print(f"📡 Binance API에서 L/S ratio 로딩 ({start_dt.date()} ~ {end_dt.date()})...")
|
||||
|
||||
ls_data = {}
|
||||
for sym in SYMBOLS_FOR_LS:
|
||||
api_df = await fetch_ls_ratios_from_api(session, sym, start_ms, end_ms)
|
||||
local_df = load_local_ls_ratio(sym)
|
||||
|
||||
if not api_df.empty and not local_df.empty:
|
||||
combined = pd.concat([api_df, local_df]).drop_duplicates("timestamp").sort_values("timestamp")
|
||||
elif not api_df.empty:
|
||||
combined = api_df
|
||||
elif not local_df.empty:
|
||||
combined = local_df
|
||||
else:
|
||||
combined = pd.DataFrame()
|
||||
|
||||
ls_data[sym] = combined.reset_index(drop=True)
|
||||
print(f" {sym}: {len(ls_data[sym])} rows ({ls_data[sym]['timestamp'].min()} ~ {ls_data[sym]['timestamp'].max()})" if not combined.empty else f" {sym}: no data")
|
||||
|
||||
# 3. 거래별 L/S ratio 매칭
|
||||
print("\n" + "=" * 80)
|
||||
print(" 1. 거래 기록 + L/S Ratio 매칭")
|
||||
print("=" * 80)
|
||||
|
||||
enriched = []
|
||||
for t in trades:
|
||||
sym = t["symbol"]
|
||||
# XRP 거래에는 XRP L/S, 다른 심볼도 XRP L/S 참조 (크로스 분석)
|
||||
ls_sym = ls_data.get(sym, pd.DataFrame())
|
||||
ls_xrp = ls_data.get("XRPUSDT", pd.DataFrame())
|
||||
ls_btc = ls_data.get("BTCUSDT", pd.DataFrame())
|
||||
|
||||
entry_top, entry_global, _ = find_nearest_ls(ls_sym if not ls_sym.empty else ls_xrp, t["entry_time"])
|
||||
exit_top, exit_global, _ = find_nearest_ls(ls_sym if not ls_sym.empty else ls_xrp, t["exit_time"])
|
||||
|
||||
# BTC L/S for cross-reference
|
||||
btc_entry_top, btc_entry_global, _ = find_nearest_ls(ls_btc, t["entry_time"])
|
||||
|
||||
enriched.append({
|
||||
"id": t["id"],
|
||||
"symbol": sym,
|
||||
"direction": t["direction"],
|
||||
"entry_time": t["entry_time"],
|
||||
"exit_time": t["exit_time"],
|
||||
"signal": classify_signal(t),
|
||||
"close_reason": classify_close_reason(t),
|
||||
"rsi": t.get("rsi"),
|
||||
"macd_hist": t.get("macd_hist"),
|
||||
"entry_top_acct_ls": entry_top,
|
||||
"entry_global_ls": entry_global,
|
||||
"exit_top_acct_ls": exit_top,
|
||||
"exit_global_ls": exit_global,
|
||||
"ls_change_top": (exit_top - entry_top) if entry_top and exit_top else None,
|
||||
"ls_change_global": (exit_global - entry_global) if entry_global and exit_global else None,
|
||||
"btc_entry_top_ls": btc_entry_top,
|
||||
"btc_entry_global_ls": btc_entry_global,
|
||||
"net_pnl": t["net_pnl"],
|
||||
"is_win": t["net_pnl"] > 0,
|
||||
"entry_price": t["entry_price"],
|
||||
"exit_price": t["exit_price"],
|
||||
})
|
||||
|
||||
df = pd.DataFrame(enriched)
|
||||
|
||||
# 거래 기록 테이블 출력
|
||||
print(f"\n{'ID':>3} {'심볼':<10} {'방향':<5} {'진입시간':<20} {'진입신호':<16} "
|
||||
f"{'진입L/S':>7} {'청산L/S':>7} {'ΔL/S':>7} {'청산이유':<10} {'PnL':>8}")
|
||||
print("-" * 120)
|
||||
for _, r in df.iterrows():
|
||||
entry_ls = f"{r['entry_top_acct_ls']:.3f}" if pd.notna(r['entry_top_acct_ls']) else "N/A"
|
||||
exit_ls = f"{r['exit_top_acct_ls']:.3f}" if pd.notna(r['exit_top_acct_ls']) else "N/A"
|
||||
delta_ls = f"{r['ls_change_top']:+.3f}" if pd.notna(r['ls_change_top']) else "N/A"
|
||||
pnl_str = f"{r['net_pnl']:+.4f}"
|
||||
print(f"{r['id']:>3} {r['symbol']:<10} {r['direction']:<5} {r['entry_time']:<20} {r['signal']:<16} "
|
||||
f"{entry_ls:>7} {exit_ls:>7} {delta_ls:>7} {r['close_reason']:<10} {pnl_str:>8}")
|
||||
|
||||
# 4. 수익 거래 vs 손실 거래 L/S 비교
|
||||
print("\n" + "=" * 80)
|
||||
print(" 2. 수익 거래 vs 손실 거래: L/S Ratio 비교")
|
||||
print("=" * 80)
|
||||
|
||||
has_ls = df.dropna(subset=["entry_top_acct_ls"])
|
||||
if len(has_ls) > 0:
|
||||
wins = has_ls[has_ls["is_win"]]
|
||||
losses = has_ls[~has_ls["is_win"]]
|
||||
|
||||
print(f"\n L/S ratio 매칭된 거래: {len(has_ls)}건 (수익: {len(wins)}, 손실: {len(losses)})")
|
||||
print(f"\n {'지표':<30} {'수익 거래':>12} {'손실 거래':>12} {'차이':>10}")
|
||||
print(" " + "-" * 70)
|
||||
|
||||
for col, label in [
|
||||
("entry_top_acct_ls", "진입 시 top_acct L/S"),
|
||||
("entry_global_ls", "진입 시 global L/S"),
|
||||
("exit_top_acct_ls", "청산 시 top_acct L/S"),
|
||||
("exit_global_ls", "청산 시 global L/S"),
|
||||
("ls_change_top", "진입→청산 ΔL/S (top)"),
|
||||
("ls_change_global", "진입→청산 ΔL/S (global)"),
|
||||
("btc_entry_top_ls", "BTC 진입 시 top_acct L/S"),
|
||||
]:
|
||||
w_vals = wins[col].dropna()
|
||||
l_vals = losses[col].dropna()
|
||||
if len(w_vals) > 0 and len(l_vals) > 0:
|
||||
w_mean = w_vals.mean()
|
||||
l_mean = l_vals.mean()
|
||||
diff = w_mean - l_mean
|
||||
print(f" {label:<30} {w_mean:>12.4f} {l_mean:>12.4f} {diff:>+10.4f}")
|
||||
else:
|
||||
w_str = f"{w_vals.mean():.4f}" if len(w_vals) > 0 else "N/A"
|
||||
l_str = f"{l_vals.mean():.4f}" if len(l_vals) > 0 else "N/A"
|
||||
print(f" {label:<30} {w_str:>12} {l_str:>12} {'N/A':>10}")
|
||||
else:
|
||||
print("\n ⚠️ L/S ratio 매칭 가능한 거래가 없습니다")
|
||||
|
||||
# 5. 진입 시점 L/S와 거래 결과의 상관계수
|
||||
print("\n" + "=" * 80)
|
||||
print(" 3. L/S Ratio ↔ PnL 상관계수")
|
||||
print("=" * 80)
|
||||
|
||||
for col, label in [
|
||||
("entry_top_acct_ls", "진입 top_acct L/S"),
|
||||
("entry_global_ls", "진입 global L/S"),
|
||||
("btc_entry_top_ls", "BTC 진입 top_acct L/S"),
|
||||
("ls_change_top", "ΔL/S (top)"),
|
||||
]:
|
||||
valid = df.dropna(subset=[col, "net_pnl"])
|
||||
if len(valid) >= 3:
|
||||
corr = valid[col].corr(valid["net_pnl"])
|
||||
print(f" {label:<30} r = {corr:>+.4f} (n={len(valid)})")
|
||||
else:
|
||||
print(f" {label:<30} 데이터 부족 (n={len(valid)})")
|
||||
|
||||
# 6. 방향별 분석 (LONG 진입 시 L/S 높으면? SHORT 진입 시 낮으면?)
|
||||
print("\n" + "=" * 80)
|
||||
print(" 4. 방향별 L/S Ratio 분석")
|
||||
print("=" * 80)
|
||||
|
||||
for direction in ["LONG", "SHORT"]:
|
||||
subset = has_ls[has_ls["direction"] == direction]
|
||||
if len(subset) == 0:
|
||||
continue
|
||||
print(f"\n [{direction}] ({len(subset)}건)")
|
||||
wins_d = subset[subset["is_win"]]
|
||||
losses_d = subset[~subset["is_win"]]
|
||||
print(f" 수익: {len(wins_d)}건, 손실: {len(losses_d)}건")
|
||||
if len(subset) > 0:
|
||||
for col in ["entry_top_acct_ls", "entry_global_ls"]:
|
||||
vals = subset[col].dropna()
|
||||
if len(vals) > 0:
|
||||
w = wins_d[col].dropna()
|
||||
l = losses_d[col].dropna()
|
||||
w_str = f"{w.mean():.4f}" if len(w) > 0 else "N/A"
|
||||
l_str = f"{l.mean():.4f}" if len(l) > 0 else "N/A"
|
||||
print(f" {col}: 수익평균={w_str}, 손실평균={l_str}")
|
||||
|
||||
# 7. 청산 이유별 L/S ratio 분포
|
||||
print("\n" + "=" * 80)
|
||||
print(" 5. 청산 이유별 L/S Ratio 분포")
|
||||
print("=" * 80)
|
||||
|
||||
for reason in df["close_reason"].unique():
|
||||
subset = has_ls[has_ls["close_reason"] == reason]
|
||||
if len(subset) == 0:
|
||||
continue
|
||||
print(f"\n [{reason}] ({len(subset)}건)")
|
||||
for col, label in [("entry_top_acct_ls", "진입 L/S"), ("exit_top_acct_ls", "청산 L/S"), ("ls_change_top", "ΔL/S")]:
|
||||
vals = subset[col].dropna()
|
||||
if len(vals) > 0:
|
||||
print(f" {label}: mean={vals.mean():.4f}, std={vals.std():.4f}, min={vals.min():.4f}, max={vals.max():.4f}")
|
||||
|
||||
# 8. L/S 임계값 필터링 시뮬레이션
|
||||
print("\n" + "=" * 80)
|
||||
print(" 6. L/S 임계값 필터링 시뮬레이션")
|
||||
print(" '만약 L/S 조건으로 진입을 필터링했다면?'")
|
||||
print("=" * 80)
|
||||
|
||||
if len(has_ls) > 0:
|
||||
# 시뮬레이션 1: top_acct L/S ratio 기준 필터
|
||||
print("\n [A] top_acct_ls_ratio 임계값별 (LONG 진입 시 ratio > threshold)")
|
||||
print(f" {'Threshold':>10} {'통과':>5} {'차단':>5} {'통과 PnL':>10} {'차단 PnL':>10} {'통과 승률':>10} {'원본 승률':>10}")
|
||||
print(" " + "-" * 70)
|
||||
|
||||
longs = has_ls[has_ls["direction"] == "LONG"]
|
||||
shorts = has_ls[has_ls["direction"] == "SHORT"]
|
||||
all_wr = has_ls["is_win"].mean() * 100 if len(has_ls) > 0 else 0
|
||||
|
||||
if len(longs) > 0:
|
||||
ls_vals = longs["entry_top_acct_ls"].dropna()
|
||||
if len(ls_vals) > 0:
|
||||
for pct in [0.25, 0.50, 0.75]:
|
||||
threshold = ls_vals.quantile(pct)
|
||||
passed = longs[longs["entry_top_acct_ls"] >= threshold]
|
||||
blocked = longs[longs["entry_top_acct_ls"] < threshold]
|
||||
p_pnl = passed["net_pnl"].sum()
|
||||
b_pnl = blocked["net_pnl"].sum()
|
||||
p_wr = passed["is_win"].mean() * 100 if len(passed) > 0 else 0
|
||||
print(f" {threshold:>10.4f} {len(passed):>5} {len(blocked):>5} "
|
||||
f"{p_pnl:>+10.4f} {b_pnl:>+10.4f} {p_wr:>9.1f}% {all_wr:>9.1f}%")
|
||||
|
||||
# 시뮬레이션 2: SHORT 진입 시 ratio < threshold
|
||||
print(f"\n [B] top_acct_ls_ratio 임계값별 (SHORT 진입 시 ratio < threshold)")
|
||||
print(f" {'Threshold':>10} {'통과':>5} {'차단':>5} {'통과 PnL':>10} {'차단 PnL':>10} {'통과 승률':>10}")
|
||||
print(" " + "-" * 70)
|
||||
|
||||
if len(shorts) > 0:
|
||||
ls_vals = shorts["entry_top_acct_ls"].dropna()
|
||||
if len(ls_vals) > 0:
|
||||
for pct in [0.75, 0.50, 0.25]:
|
||||
threshold = ls_vals.quantile(pct)
|
||||
passed = shorts[shorts["entry_top_acct_ls"] <= threshold]
|
||||
blocked = shorts[shorts["entry_top_acct_ls"] > threshold]
|
||||
p_pnl = passed["net_pnl"].sum()
|
||||
b_pnl = blocked["net_pnl"].sum()
|
||||
p_wr = passed["is_win"].mean() * 100 if len(passed) > 0 else 0
|
||||
print(f" {threshold:>10.4f} {len(passed):>5} {len(blocked):>5} "
|
||||
f"{p_pnl:>+10.4f} {b_pnl:>+10.4f} {p_wr:>9.1f}%")
|
||||
|
||||
# 시뮬레이션 3: Momentum 전략 - L/S 방향과 같은 방향만 진입
|
||||
print(f"\n [C] Momentum 필터: L/S ratio > 중앙값이면 LONG만, < 중앙값이면 SHORT만")
|
||||
if len(has_ls) > 0:
|
||||
median_ls = has_ls["entry_top_acct_ls"].median()
|
||||
momentum_filter = has_ls.apply(
|
||||
lambda r: (r["direction"] == "LONG" and r["entry_top_acct_ls"] >= median_ls) or
|
||||
(r["direction"] == "SHORT" and r["entry_top_acct_ls"] < median_ls),
|
||||
axis=1
|
||||
)
|
||||
passed = has_ls[momentum_filter]
|
||||
blocked = has_ls[~momentum_filter]
|
||||
print(f" 중앙값: {median_ls:.4f}")
|
||||
print(f" 통과: {len(passed)}건, PnL합계: {passed['net_pnl'].sum():+.4f}, "
|
||||
f"승률: {passed['is_win'].mean()*100:.1f}%")
|
||||
print(f" 차단: {len(blocked)}건, PnL합계: {blocked['net_pnl'].sum():+.4f}, "
|
||||
f"승률: {blocked['is_win'].mean()*100:.1f}%")
|
||||
|
||||
# 시뮬레이션 4: Contrarian 전략 - L/S 반대 방향만 진입
|
||||
print(f"\n [D] Contrarian 필터: L/S ratio > 중앙값이면 SHORT만, < 중앙값이면 LONG만")
|
||||
if len(has_ls) > 0:
|
||||
contrarian_filter = has_ls.apply(
|
||||
lambda r: (r["direction"] == "SHORT" and r["entry_top_acct_ls"] >= median_ls) or
|
||||
(r["direction"] == "LONG" and r["entry_top_acct_ls"] < median_ls),
|
||||
axis=1
|
||||
)
|
||||
passed = has_ls[contrarian_filter]
|
||||
blocked = has_ls[~contrarian_filter]
|
||||
print(f" 통과: {len(passed)}건, PnL합계: {passed['net_pnl'].sum():+.4f}, "
|
||||
f"승률: {passed['is_win'].mean()*100:.1f}%")
|
||||
print(f" 차단: {len(blocked)}건, PnL합계: {blocked['net_pnl'].sum():+.4f}, "
|
||||
f"승률: {blocked['is_win'].mean()*100:.1f}%")
|
||||
|
||||
# 9. 전체 L/S ratio 시계열 + 거래 오버레이 요약
|
||||
print("\n" + "=" * 80)
|
||||
print(" 7. 전체 요약")
|
||||
print("=" * 80)
|
||||
|
||||
total_trades = len(df)
|
||||
ls_matched = len(has_ls)
|
||||
total_pnl = df["net_pnl"].sum()
|
||||
win_rate = df["is_win"].mean() * 100
|
||||
print(f"\n 전체 거래: {total_trades}건 (L/S 매칭: {ls_matched}건)")
|
||||
print(f" 총 PnL: {total_pnl:+.4f} USDT")
|
||||
print(f" 승률: {win_rate:.1f}% ({df['is_win'].sum()}/{total_trades})")
|
||||
|
||||
if len(has_ls) > 0:
|
||||
print(f"\n L/S 매칭 거래 통계:")
|
||||
print(f" 진입 top_acct L/S 범위: {has_ls['entry_top_acct_ls'].min():.4f} ~ {has_ls['entry_top_acct_ls'].max():.4f}")
|
||||
print(f" 진입 global L/S 범위: {has_ls['entry_global_ls'].min():.4f} ~ {has_ls['entry_global_ls'].max():.4f}")
|
||||
|
||||
print(f"\n ⚠️ 주의: 거래 {total_trades}건은 통계적 유의성이 부족합니다.")
|
||||
print(f" 현재 결과는 탐색적 분석이며, 최소 50건 이상의 거래가 필요합니다.")
|
||||
print(f" L/S ratio 데이터는 계속 축적 중이므로 4월 말 재분석을 권장합니다.")
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
asyncio.run(main())
|
||||
Reference in New Issue
Block a user