feat: add Fear & Greed filter to entry logic
- core/fng.py: F&G API wrapper with 1h cache (alternative.me) - FNG_MIN_ENTRY=41 (env-configurable), blocks entry below threshold - core/strategy.py: call is_entry_allowed() before volume/regime checks - daemon/runner.py: log F&G status on every scan cycle - core/notify.py: include F&G value in buy/signal/status notifications - core/trader.py: pass current F&G value to notify_buy Backtest evidence (1y / 18 tickers / 1h candles): - No filter: 820 trades, 32.7% WR, avg +0.012%, KRW +95k - F&G >= 41: 372 trades, 39.5% WR, avg +0.462%, KRW +1.72M - Blocked 452 trades (avg -0.372%, saved ~1.68M KRW loss) Also add: - backtest_db.py: Oracle DB storage for backtest runs/results/trades - fng_1y_backtest.py, fng_adaptive_backtest.py, fng_sim_comparison.py Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
This commit is contained in:
joungmin
317
fng_adaptive_backtest.py
Normal file
317
fng_adaptive_backtest.py
Normal file
@@ -0,0 +1,317 @@
|
||||
"""F&G 구간별 맞춤 파라미터 백테스트
|
||||
|
||||
핵심 가설:
|
||||
극공포 구간은 시장이 불안정 → 더 엄격한 진입 기준 필요
|
||||
탐욕 구간은 상승 모멘텀이 지속 → 다소 느슨한 기준도 가능
|
||||
|
||||
테스트 방식:
|
||||
각 F&G 구간마다 다른 파라미터 조합을 적용하고 성과 비교.
|
||||
구간별 최적 파라미터 도출 → 실제 전략에 반영
|
||||
|
||||
결과를 Oracle DB에 저장.
|
||||
데이터: 1년치 1h 캔들 (배치 수집)
|
||||
"""
|
||||
from __future__ import annotations
|
||||
|
||||
import datetime
|
||||
import json
|
||||
import sys
|
||||
import time
|
||||
import urllib.request
|
||||
|
||||
import pandas as pd
|
||||
import pyupbit
|
||||
from dataclasses import dataclass
|
||||
|
||||
# ── DB 저장 ─────────────────────────────────────────────────
|
||||
try:
|
||||
from backtest_db import ensure_tables, insert_run, insert_result, insert_trades_bulk
|
||||
DB_ENABLED = True
|
||||
except Exception as e:
|
||||
print(f" [DB 비활성화] {e}")
|
||||
DB_ENABLED = False
|
||||
|
||||
TICKERS = [
|
||||
"KRW-BTC", "KRW-ETH", "KRW-XRP", "KRW-SOL", "KRW-DOGE",
|
||||
"KRW-ADA", "KRW-DOT", "KRW-NEAR", "KRW-AVAX", "KRW-LINK",
|
||||
"KRW-SUI", "KRW-HBAR",
|
||||
"KRW-VIRTUAL", "KRW-SXP", "KRW-CFG", "KRW-HOLO",
|
||||
"KRW-KAVA", "KRW-KNC",
|
||||
]
|
||||
|
||||
# ── F&G 구간별 파라미터 조합 ─────────────────────────────────
|
||||
# (fng_lo, fng_hi, label, vol_mult, quiet_2h, sig_to_h, mom_thr, sig_cancel, trail_stop, time_h, time_min)
|
||||
ADAPTIVE_CONFIGS = [
|
||||
# 기준선 (F&G 무관, 단일 파라미터)
|
||||
(None, None, "기준선(전체/현행파라미터)", 2.0, 2.0, 8, 3.0, 3.0, 0.015, 24, 3.0),
|
||||
|
||||
# ── 극공포 (0~25) 구간 ── 엄격한 기준 ──
|
||||
# 극공포에서는 변동성 급증이 흔함 → 볼륨 기준 올리고, 모멘텀 강화
|
||||
(None, 25, "극공포/기준(2x vol+3%mom)", 2.0, 2.0, 8, 3.0, 3.0, 0.015, 24, 3.0),
|
||||
(None, 25, "극공포/엄격(3x vol+4%mom)", 3.0, 2.0, 8, 4.0, 3.0, 0.010, 24, 3.0),
|
||||
(None, 25, "극공포/매우엄격(3x+5%+1%스탑)", 3.0, 2.0, 6, 5.0, 3.0, 0.010, 24, 3.0),
|
||||
(None, 25, "극공포/넓은스탑(2x+3%+2%스탑)", 2.0, 2.0, 8, 3.0, 3.0, 0.020, 24, 3.0),
|
||||
(None, 25, "극공포/짧은신호(3x+4%+4h유효)", 3.0, 2.0, 4, 4.0, 3.0, 0.015, 24, 3.0),
|
||||
|
||||
# ── 공포 (26~45) ── 중간 기준 ──
|
||||
(26, 45, "공포/기준(2x vol+3%mom)", 2.0, 2.0, 8, 3.0, 3.0, 0.015, 24, 3.0),
|
||||
(26, 45, "공포/약강화(2.5x vol+3.5%mom)", 2.5, 2.0, 8, 3.5, 3.0, 0.015, 24, 3.0),
|
||||
(26, 45, "공포/엄격(3x vol+4%mom)", 3.0, 2.0, 8, 4.0, 3.0, 0.010, 24, 3.0),
|
||||
|
||||
# ── 중립 이상 (46~100) ── 완화된 기준 가능 ──
|
||||
(46, None, "중립이상/기준(2x vol+3%mom)", 2.0, 2.0, 8, 3.0, 3.0, 0.015, 24, 3.0),
|
||||
(46, None, "중립이상/완화(1.5x vol+2.5%mom)",1.5, 2.0, 8, 2.5, 3.0, 0.015, 24, 3.0),
|
||||
(46, None, "중립이상/엄격(2.5x+3.5%)", 2.5, 2.0, 8, 3.5, 3.0, 0.015, 24, 3.0),
|
||||
|
||||
# ── 탐욕+ (56~100) ──
|
||||
(56, None, "탐욕이상/기준", 2.0, 2.0, 8, 3.0, 3.0, 0.015, 24, 3.0),
|
||||
(56, None, "탐욕이상/완화(1.5x+2.5%)", 1.5, 2.0, 8, 2.5, 3.0, 0.015, 24, 3.0),
|
||||
]
|
||||
|
||||
|
||||
# ── 데이터 수집 ──────────────────────────────────────────────
|
||||
def fetch_1y(ticker: str, total_days: int = 365) -> pd.DataFrame | None:
|
||||
all_dfs = []
|
||||
end = datetime.datetime.now()
|
||||
batch = 1440 # 60일치씩
|
||||
prev_oldest = None
|
||||
|
||||
while True:
|
||||
df = pyupbit.get_ohlcv(
|
||||
ticker, interval="minute60", count=batch,
|
||||
to=end.strftime("%Y-%m-%d %H:%M:%S"),
|
||||
)
|
||||
if df is None or df.empty:
|
||||
break
|
||||
all_dfs.append(df)
|
||||
oldest = df.index[0]
|
||||
# 상장 초기 종목: oldest가 진전되지 않으면 더 이상 오래된 데이터 없음
|
||||
if prev_oldest is not None and oldest >= prev_oldest:
|
||||
break
|
||||
prev_oldest = oldest
|
||||
cutoff = datetime.datetime.now() - datetime.timedelta(days=total_days)
|
||||
if oldest <= cutoff:
|
||||
break
|
||||
end = oldest
|
||||
time.sleep(0.12)
|
||||
|
||||
if not all_dfs:
|
||||
return None
|
||||
combined = pd.concat(all_dfs).sort_index()
|
||||
combined = combined[~combined.index.duplicated(keep="last")]
|
||||
cutoff = datetime.datetime.now() - datetime.timedelta(days=total_days)
|
||||
return combined[combined.index >= cutoff]
|
||||
|
||||
|
||||
def load_fng() -> dict[str, int]:
|
||||
url = "https://api.alternative.me/fng/?limit=400&format=json"
|
||||
with urllib.request.urlopen(url, timeout=10) as r:
|
||||
data = json.loads(r.read())
|
||||
return {
|
||||
datetime.datetime.fromtimestamp(int(d["timestamp"])).strftime("%Y-%m-%d"):
|
||||
int(d["value"])
|
||||
for d in data["data"]
|
||||
}
|
||||
|
||||
|
||||
def fng_val(fng_map, ts) -> int:
|
||||
return fng_map.get(ts.strftime("%Y-%m-%d"), 50)
|
||||
|
||||
|
||||
# ── 시뮬레이션 ──────────────────────────────────────────────
|
||||
@dataclass
|
||||
class Trade:
|
||||
pnl: float
|
||||
h: int
|
||||
fng: int
|
||||
exit: str
|
||||
|
||||
|
||||
def simulate(
|
||||
df, fng_map,
|
||||
fng_lo=None, fng_hi=None,
|
||||
vol_mult=2.0, quiet_2h=2.0, sig_to_h=8,
|
||||
mom_thr=3.0, sig_cancel=3.0, trail_stop=0.015,
|
||||
time_h=24, time_min=3.0,
|
||||
) -> list[Trade]:
|
||||
closes = df["close"].values
|
||||
vols = df["volume"].values
|
||||
idx = df.index
|
||||
trades: list[Trade] = []
|
||||
sig_px = sig_i = None
|
||||
pos_buy = pos_peak = pos_i = pos_fng = None
|
||||
|
||||
for i in range(7, len(closes) - max(time_h + 4, 10)):
|
||||
if pos_buy is not None:
|
||||
cur = closes[i]
|
||||
if cur > pos_peak:
|
||||
pos_peak = cur
|
||||
if (pos_peak - cur) / pos_peak >= trail_stop:
|
||||
trades.append(Trade((cur - pos_buy) / pos_buy * 100,
|
||||
i - pos_i, pos_fng, "trail"))
|
||||
pos_buy = pos_peak = pos_i = pos_fng = sig_px = sig_i = None
|
||||
continue
|
||||
if i - pos_i >= time_h:
|
||||
pnl = (cur - pos_buy) / pos_buy * 100
|
||||
if pnl < time_min:
|
||||
trades.append(Trade(pnl, i - pos_i, pos_fng, "time"))
|
||||
pos_buy = pos_peak = pos_i = pos_fng = sig_px = sig_i = None
|
||||
continue
|
||||
continue
|
||||
|
||||
if sig_px is not None:
|
||||
if i - sig_i > sig_to_h:
|
||||
sig_px = sig_i = None
|
||||
elif (closes[i] - sig_px) / sig_px * 100 < -sig_cancel:
|
||||
sig_px = sig_i = None
|
||||
|
||||
if sig_px is None:
|
||||
vol_avg = vols[i - 6:i - 1].mean()
|
||||
if vol_avg <= 0:
|
||||
continue
|
||||
if vols[i - 1] / vol_avg >= vol_mult:
|
||||
if abs(closes[i] - closes[i - 2]) / closes[i - 2] * 100 < quiet_2h:
|
||||
sig_px = closes[i]
|
||||
sig_i = i
|
||||
continue
|
||||
|
||||
fv = fng_val(fng_map, idx[i])
|
||||
if fng_lo is not None and fv < fng_lo:
|
||||
continue
|
||||
if fng_hi is not None and fv > fng_hi:
|
||||
continue
|
||||
|
||||
if (closes[i] - sig_px) / sig_px * 100 >= mom_thr:
|
||||
pos_buy = pos_peak = closes[i]
|
||||
pos_i = i
|
||||
pos_fng = fv
|
||||
sig_px = sig_i = None
|
||||
|
||||
return trades
|
||||
|
||||
|
||||
def stats(trades):
|
||||
if not trades:
|
||||
return dict(n=0, wr=0, avg_pnl=0, total_pnl=0, rr=0,
|
||||
avg_win=0, avg_loss=0, max_dd=0)
|
||||
wins = [t for t in trades if t.pnl > 0]
|
||||
losses = [t for t in trades if t.pnl <= 0]
|
||||
aw = sum(t.pnl for t in wins) / len(wins) if wins else 0
|
||||
al = sum(t.pnl for t in losses) / len(losses) if losses else 0
|
||||
cum = pk = max_dd = 0.0
|
||||
for t in trades:
|
||||
cum += t.pnl
|
||||
if cum > pk: pk = cum
|
||||
if pk - cum > max_dd: max_dd = pk - cum
|
||||
return dict(
|
||||
n=len(trades), wr=len(wins) / len(trades) * 100,
|
||||
avg_pnl=sum(t.pnl for t in trades) / len(trades),
|
||||
total_pnl=sum(t.pnl for t in trades),
|
||||
rr=abs(aw / al) if al else 0,
|
||||
avg_win=aw, avg_loss=al, max_dd=max_dd,
|
||||
)
|
||||
|
||||
|
||||
def main():
|
||||
print("F&G 데이터 로드...")
|
||||
fng_map = load_fng()
|
||||
|
||||
print(f"종목 1년치 데이터 수집 중 ({len(TICKERS)}개)...")
|
||||
datasets = {}
|
||||
for i, tk in enumerate(TICKERS):
|
||||
try:
|
||||
df = fetch_1y(tk, total_days=365)
|
||||
if df is not None and len(df) > 100:
|
||||
datasets[tk] = df
|
||||
sys.stderr.write(f"\r {i+1}/{len(TICKERS)} {tk} ({len(df)}h) ")
|
||||
except Exception as e:
|
||||
sys.stderr.write(f"\r {tk} 실패: {e} ")
|
||||
sys.stderr.write("\n")
|
||||
print(f" 완료: {len(datasets)}개 종목\n")
|
||||
|
||||
# ── DB 준비 ───────────────────────────────────────────
|
||||
run_id = None
|
||||
if DB_ENABLED:
|
||||
ensure_tables()
|
||||
params = {
|
||||
"tickers": len(datasets),
|
||||
"days": 365,
|
||||
"candle": "1h",
|
||||
"stop": "trail+time",
|
||||
}
|
||||
run_id = insert_run(
|
||||
run_name="fng_adaptive_1y",
|
||||
description="F&G 구간별 맞춤 파라미터 1년 백테스트",
|
||||
params=params,
|
||||
)
|
||||
print(f" DB run_id: {run_id}\n")
|
||||
|
||||
# ── 결과 출력 ─────────────────────────────────────────
|
||||
print("=" * 92)
|
||||
print(" F&G 구간별 맞춤 파라미터 성과 비교 (1년치 / 1h 캔들)")
|
||||
print("=" * 92)
|
||||
print(f" {'조건':<42} {'거래':>5} {'승률':>6} {'평균PnL':>8} "
|
||||
f"{'손익비':>5} {'총PnL':>9} {'MaxDD':>7}")
|
||||
print(" " + "-" * 86)
|
||||
|
||||
best_by_zone: dict[str, tuple] = {}
|
||||
|
||||
for cfg in ADAPTIVE_CONFIGS:
|
||||
fng_lo, fng_hi, label, vol_mult, quiet_2h, sig_to_h, mom_thr, sig_cancel, trail_stop, time_h, time_min = cfg
|
||||
|
||||
all_trades: list[Trade] = []
|
||||
per_ticker: dict[str, list[Trade]] = {}
|
||||
for tk, df in datasets.items():
|
||||
t = simulate(
|
||||
df, fng_map,
|
||||
fng_lo=fng_lo, fng_hi=fng_hi,
|
||||
vol_mult=vol_mult, quiet_2h=quiet_2h, sig_to_h=sig_to_h,
|
||||
mom_thr=mom_thr, sig_cancel=sig_cancel, trail_stop=trail_stop,
|
||||
time_h=time_h, time_min=time_min,
|
||||
)
|
||||
all_trades.extend(t)
|
||||
per_ticker[tk] = t
|
||||
|
||||
s = stats(all_trades)
|
||||
|
||||
# 구분선 (기준선 다음)
|
||||
if label == "극공포/기준(2x vol+3%mom)":
|
||||
print()
|
||||
|
||||
if s["n"] == 0:
|
||||
print(f" {label:<42} 거래 없음")
|
||||
continue
|
||||
|
||||
marker = " ★" if s["avg_pnl"] > 0 else ""
|
||||
print(
|
||||
f" {label:<42} {s['n']:>5}건 {s['wr']:>5.1f}% "
|
||||
f"{s['avg_pnl']:>+7.3f}% {s['rr']:>4.2f} "
|
||||
f"{s['total_pnl']:>+8.1f}% -{s['max_dd']:>5.1f}%{marker}"
|
||||
)
|
||||
|
||||
# DB 저장
|
||||
if DB_ENABLED and run_id:
|
||||
insert_result(run_id, label, s, fng_lo, fng_hi)
|
||||
for tk, t_list in per_ticker.items():
|
||||
insert_trades_bulk(run_id, label, tk, t_list)
|
||||
|
||||
# 구간별 최고 avg_pnl 추적
|
||||
zone_key = label.split("/")[0]
|
||||
if zone_key not in best_by_zone or s["avg_pnl"] > best_by_zone[zone_key][1]:
|
||||
best_by_zone[zone_key] = (label, s["avg_pnl"], s)
|
||||
|
||||
# ── 구간별 최적 요약 ──────────────────────────────────
|
||||
print()
|
||||
print(" ★ 구간별 최적 파라미터:")
|
||||
print(f" {'구간':<14} {'최적 조건':<42} {'거래':>5} {'승률':>6} {'평균PnL':>8}")
|
||||
print(" " + "-" * 72)
|
||||
for zone, (label, best_pnl, s) in best_by_zone.items():
|
||||
if s["n"] > 0:
|
||||
print(f" {zone:<14} {label:<42} {s['n']:>5}건 {s['wr']:>5.1f}% {best_pnl:>+7.3f}%")
|
||||
|
||||
if DB_ENABLED and run_id:
|
||||
print(f"\n [DB 저장 완료] run_id: {run_id}")
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
Reference in New Issue
Block a user