1% GAP

1분봉 기준

시가보다 1% 상승시 매수하여, 

시가보다 2% 상승시 매도하여, 1% gap으로 수익 창출 백테스트

 

데이터는 엑셀에 저장한 후 사용

캔들스틱은 plotly 활용. 느림. 

import pyupbit
import matplotlib.pyplot as plt
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
import numpy as np

def get_ohlcv(ticker, interval = 'minute1'):
    df = pyupbit.get_ohlcv(ticker, interval = interval, count=10000)       
    return df


def short_traiding_for_1percent(df):   
    ma15 = df['close'].rolling(15).mean().shift(1)
    ma50 = df['close'].rolling(50).mean().shift(1)
    ma120 = df['close'].rolling(120).mean().shift(1)
    
    
    ## 1) 매수일자 판별
    cond_0 = df['high'] >= df['open']*1.01
    cond_1 = (ma15 >= ma50) & (ma15 <= ma50*1.03)
    cond_2 = ma50> ma120
    cond_buy = cond_0 & cond_1 & cond_2

    acc_ror = 1 #수익률 저장변수 : 1은 원금
    sell_date = None #초기화

    ax_ror = []
    ay_ror = []  
    
    ## 2) 매도 조건 탐색 및 수익률 계산
    for buy_date in df.index[cond_buy]:

        if sell_date != None and buy_date <= sell_date:
            continue # 아래 코드를 무시하고 다시 for 문으로 

        target = df.loc[buy_date:]
        cond = target['high'] >= target['open']*1.02
        sell_candidate = target.index[cond]

        if len(sell_candidate) == 0: #매수했지만 매도할 조건이 없다는 뜻
            buy_price = df.loc[buy_date, 'open']*(1.01+0.0005+0.00005)
            sell_price = df.iloc[-1,3]*(1-0.0005-0.00005) 
            acc_ror *= (sell_price / buy_price)
            ax_ror.append(df.index[-1])
            ax_ror.append(acc_ror)
            break
        else:
            sell_date = sell_candidate[0]
            acc_ror *= 1.01-0.001-0.0001 # slippage & fee
 

    candle = go.Candlestick(
        x = df.index,
        open = df['open'],
        high = df['high'],
        low = df['low'],
        close = df['close'],
    )    

    ror_chart = go.Scatter(
        x = ax_ror,
        y = ay_ror,
    )
        
    fig = make_subplots(specs=[ [{"secondary_y" : True}] ])
    fig.add_trace(candle)
    fig.add_trace(ror_chart, secondary_y=True)
    
    for idx in df.index[cond_buy]:
        fig.add_annotation(
            x = idx,
            y = df.loc[idx,'open'],
        )

    fig.show()
        
    return acc_ror

for ticker in ["KRW-BTC","KRW-LTC","KRW-ETH", "KRW-ADA","KRW-POWR","KRW-DOGE","KRW-NEAR"]:
    df = get_ohlcv(ticker)
    df.to_excel(f"./data_1percent/{ticker}.xlsx")
    
for ticker in ["KRW-BTC","KRW-LTC","KRW-ETH", "KRW-ADA","KRW-POWR","KRW-DOGE","KRW-NEAR"]:
#for ticker in ["KRW-ADA"]:
    df = pd.read_excel(f"./data_1percent/{ticker}.xlsx", index_col=0)
    ror = short_traiding_for_1percent(df)
    기간수익률 = df.iloc[-1,3] / df.iloc[0,0]
    print(ticker, f"{ror:.2f}", f"{기간수익률:.2f}")

좌) 1%Gap 수익률

우) 기간수익률

DOGE와 NEAR를 제외하고는 기간수익률보다 1%Gap 수익률보다 좋다. 

DOGE와 NEAR는 무슨이유에서 -인지 알아봐야겠다. 

 

(참고) https://www.youtube.com/watch?v=Ow6ZLiLPF2A&t=0s