80 lines
3.0 KiB
Python
80 lines
3.0 KiB
Python
import numpy as np
|
|
import pandas as pd
|
|
import pytest
|
|
from src.dataset_builder import generate_dataset_vectorized, _calc_labels_vectorized
|
|
|
|
|
|
@pytest.fixture
|
|
def signal_df():
|
|
"""시그널이 발생하는 데이터."""
|
|
rng = np.random.default_rng(7)
|
|
n = 800
|
|
trend = np.linspace(1.5, 3.0, n)
|
|
noise = np.cumsum(rng.normal(0, 0.04, n))
|
|
close = np.clip(trend + noise, 0.01, None)
|
|
high = close * (1 + rng.uniform(0, 0.015, n))
|
|
low = close * (1 - rng.uniform(0, 0.015, n))
|
|
volume = rng.uniform(1e6, 3e6, n)
|
|
volume[::30] *= 3.0
|
|
return pd.DataFrame({
|
|
"open": close, "high": high, "low": low,
|
|
"close": close, "volume": volume,
|
|
})
|
|
|
|
|
|
def test_sltp_params_are_passed_through(signal_df):
|
|
"""SL/TP 배수가 generate_dataset_vectorized에 전달되어야 한다."""
|
|
# 파라미터가 수용되는지(TypeError 없이) 확인하는 것이 핵심
|
|
r1 = generate_dataset_vectorized(
|
|
signal_df, atr_sl_mult=1.5, atr_tp_mult=2.0,
|
|
adx_threshold=0, volume_multiplier=1.5,
|
|
)
|
|
r2 = generate_dataset_vectorized(
|
|
signal_df, atr_sl_mult=2.0, atr_tp_mult=2.0,
|
|
adx_threshold=0, volume_multiplier=1.5,
|
|
)
|
|
# 두 결과 모두 DataFrame이어야 한다
|
|
assert isinstance(r1, pd.DataFrame)
|
|
assert isinstance(r2, pd.DataFrame)
|
|
# 신호가 충분히 많을 경우, 다른 SL 배수는 레이블 분포에 영향을 줄 수 있다
|
|
if len(r1) > 10 and len(r2) > 10:
|
|
assert not (r1["label"].values == r2["label"].values).all() or len(r1) != len(r2), \
|
|
"SL 배수가 다르면 레이블이 달라져야 한다"
|
|
|
|
|
|
def test_default_sltp_backward_compatible(signal_df):
|
|
"""SL/TP 파라미터 미지정 시 기존 기본값(1.5, 2.0)으로 동작해야 한다."""
|
|
r_default = generate_dataset_vectorized(
|
|
signal_df, adx_threshold=0, volume_multiplier=1.5,
|
|
)
|
|
r_explicit = generate_dataset_vectorized(
|
|
signal_df, atr_sl_mult=1.5, atr_tp_mult=2.0,
|
|
adx_threshold=0, volume_multiplier=1.5,
|
|
)
|
|
if len(r_default) > 0:
|
|
assert len(r_default) == len(r_explicit)
|
|
assert (r_default["label"].values == r_explicit["label"].values).all()
|
|
|
|
|
|
def test_equity_curve_includes_unrealized_pnl():
|
|
"""에퀴티 커브에 미실현 PnL이 반영되어야 한다."""
|
|
from src.backtester import Backtester, BacktestConfig, Position
|
|
import pandas as pd
|
|
|
|
cfg = BacktestConfig(symbols=["TEST"], initial_balance=1000.0)
|
|
bt = Backtester.__new__(Backtester)
|
|
bt.cfg = cfg
|
|
bt.balance = 1000.0
|
|
bt._peak_equity = 1000.0
|
|
bt.equity_curve = []
|
|
bt.positions = {"TEST": Position(
|
|
symbol="TEST", side="LONG", entry_price=100.0,
|
|
quantity=10.0, sl=95.0, tp=110.0,
|
|
entry_time=pd.Timestamp("2026-01-01"), entry_fee=0.4,
|
|
)}
|
|
|
|
bt._record_equity(pd.Timestamp("2026-01-01 00:15:00"), current_prices={"TEST": 105.0})
|
|
|
|
last = bt.equity_curve[-1]
|
|
assert last["equity"] == 1050.0, f"Expected 1050.0 (1000+50), got {last['equity']}"
|