Day 02. 매수 전략

앞 전 포스팅에서 환경설정이 완료 되었다면 이제 실질적인 매수 전략에 대해 알아보자. 아래 포스팅 참고!!

https://goodmilktea.tistory.com/137

Day 01. 환경 설정

 

기본적인 매수전략으로 백테스팅 전략을 공부하였다.

관련 코드는 아래 링크 참고하자.

파이썬을 이용한 비트코인 자동매매 (개정판) - WikiDocs

파이썬을 이용한 비트코인 자동매매 (개정판)

파이썬을 이용한 비트코인 자동매매 (개정판) - GitHub

GitHub - sharebook-kr/book-cryptocurrency

 

ch07/07_13.py 를 참고하면 다음과 같다.

	import pybithumb
	import numpy as np
	df = pybithumb.get_ohlcv("BTC")
	df['range'] = (df['high'] - df['low']) * 0.5
	df['target'] = df['open'] + df['range'].shift(1)
	fee = 0.0032
	df['ror'] = np.where(df['high'] > df['target'],
	df['close'] / df['target'] - fee,
	1)
	df['hpr'] = df['ror'].cumprod()
	df['dd'] = (df['hpr'].cummax() - df['hpr']) / df['hpr'].cummax() * 100
	print("MDD(%): ", df['dd'].max())
	df.to_excel("dd.xlsx")

view raw backtesting_origin.py hosted with ❤ by GitHub

 

해당 코드를 vscode 에 복사하여 아래 이미지 화살표버튼을 클릭하면 실행이 되는데

 

df라는 표를 만들고 해당 df를 dd.xlsx  엑셀파일로 만드는 것을 확인할 수 있다.

해당 excel 파일을 vscode에서 열어볼려면

Shift + Alt + R 또는 

다음과 같이 마우스 우클릭 후 Reveal in File Explorer 버튼을 눌러 폴더 위치를 확인하고 엑셀 파일을 확인해 볼 수 있다.

 

반응형

 

이제 백테스팅 전략 코드를 해석해보자.

	import pyupbit
	import numpy as np
	# OHLCV(open, high, low, close, volume) 당일 시가, 고가, 저가, 종가 거래량에 대한 데이터
	df = pyupbit.get_ohlcv("KRW-ADA",count=7)
	k=0.5 #변동폭
	print(df)
	#(고가 - 저가) * 변동폭 = 변동 값
	df['range'] = (df['high'] - df['low']) * k
	print(df)
	# 당일 시가에서 이전 날 지정한 변동값만큼 오르면 매수가로 지정하겠다 라는 뜻
	df['target'] = df['open'] + df['range'].shift(1)
	print(df)
	# #fee = 0.0032 #수수료
	# ror(수익율), np.where(조건문, 참일때 값, 거짓일때 값)
	# 종가에 매도를 진행한다고 가정
	# 고가가 타겟값보다 높다면
	# 종가에 매도를 진행 그때의 수익률을 종가/매수가로 계산
	# 아니면 매도를 하지 않으므로 수익률은 1로 유지
	df['ror'] = np.where(df['high'] > df['target'],
	df['close'] / df['target'],
	1)
	print(df)
	# 누적 곱 계산 (누적 수익률)
	df['hpr'] = df['ror'].cumprod()
	print(df)
	print()
	#draw Down 낙폭
	df['dd'] = (df['hpr'].cummax() - df['hpr']) / df['hpr'].cummax() * 100
	print(df)
	# max draw down
	print("MDD(%): ", df['dd'].max())
	# # df.to_excel("dd.xlsx")

view raw backtesting_my.py hosted with ❤ by GitHub

 

 

target 이 목표 매수가라고 할 수 있고, 해당 target 으로 매수를 진행했을때의 수익율을 df['ror'] 로 나타낼 수 있고

그 외 누적곱 계산 (수익율을 순서대로 곱해나가면 누적 수익율이라고 할 수 있음), Draw Down 값 (낙폭) , Max Draw Down 값 등을 차례대로 구할 수 있다.