チュートリアル¶
BackcastProを使ったバックテストの基本的な使い方を学びます。
目次¶
インストール（Windows）¶
基本的な使い方¶
BackcastProは**リプレイ型シミュレーター**です。1バーずつ時間を進めながら、戦略を実行してチャートと売買を可視化できます。
sequenceDiagram
participant U as User
participant D as DataReader
participant B as Backtest
participant S as Strategy Function
participant R as Results
U->>D: yf.download('7203.T', period='1y')
D-->>U: OHLCV DataFrame
U->>B: Backtest(data={code: df})
loop 各タイムスタンプ
U->>S: my_strategy(bt)
S->>B: buy()/sell()
U->>B: step()
end
U->>B: finalize()
B-->>R: pd.Series（統計含む）1. 必要なライブラリのインポート¶
2. データの準備¶
import yfinance as yf
# トヨタの株価データを取得
code = '7203.T' # 東証の銘柄コード
df = yf.download(code, period='1y')
print(df.head())
最初の戦略¶
シンプルな買い持ち戦略¶
最初に、一度だけ買う「買い持ち」戦略を作成してみましょう：
バックテストの実行¶
# バックテストを初期化
bt = Backtest(data={code: df}, cash=10000, commission=0.001)
# 一括実行
bt.set_strategy(buy_and_hold)
results = bt.run()
print(results)
データの取得¶
日本株データの取得¶
import yfinance as yf
# 特定の銘柄のデータを取得
toyota_data = yf.download('7203.T', period='1y') # トヨタ
sony_data = yf.download('6758.T', period='1y') # ソニー
# 期間を指定してデータを取得
from datetime import datetime, timedelta
end_date = datetime.now()
start_date = end_date - timedelta(days=365) # 1年前
data = yf.download('7203.T', start=start_date, end=end_date)
[!NOTE] BackcastProは、ローカルキャッシュにデータが存在しない場合、自動的にCloud Run API経由でデータをダウンロードします。 これにより、手動でのデータ準備なしにバックテストを開始できる場合があります。
カスタムデータの使用¶
import pandas as pd
# カスタムデータを作成
custom_data = pd.DataFrame({
'Open': [100, 101, 102, 103, 104],
'High': [105, 106, 107, 108, 109],
'Low': [99, 100, 101, 102, 103],
'Close': [104, 105, 106, 107, 108],
'Volume': [1000, 1100, 1200, 1300, 1400]
}, index=pd.date_range('2023-01-01', periods=5))
# バックテストで使用
bt = Backtest(data={'CUSTOM': custom_data}, cash=10000)
bt.set_strategy(buy_and_hold)
results = bt.run()
複数銘柄の同時バックテスト¶
# 複数の銘柄データを取得
toyota_data = yf.download('7203.T', period='1y')
sony_data = yf.download('6758.T', period='1y')
# 複数銘柄でバックテストを初期化
bt = Backtest(
data={
'7203.T': toyota_data,
'6758.T': sony_data
},
cash=10000
)
# 複数銘柄対応の戦略
def multi_stock_strategy(bt):
for code in bt.data.keys():
pos = bt.position_of(code) # ⚠️ 複数銘柄時は position_of を使用
if pos == 0:
bt.buy(code=code, tag="buy")
bt.set_strategy(multi_stock_strategy)
results = bt.run()
バックテストの実行¶
方法1: 一括実行（推奨）¶
bt = Backtest(
data={code: df},
cash=10000,
commission=0.001,
finalize_trades=True,
)
bt.set_strategy(my_strategy)
results = bt.run()
方法2: ステップ実行¶
bt = Backtest(data={code: df}, cash=10000)
while not bt.is_finished:
my_strategy(bt)
bt.step()
results = bt.finalize()
リプレイ型シミュレーター¶
BackcastProの特徴は、**1バーずつ時間を進めながら可視化**できることです。
ステップ実行の基本¶
bt = Backtest(data={code: df}, cash=10000)
# 10バー進める
for _ in range(10):
my_strategy(bt)
bt.step()
# 現在の状態を確認
print(f"時間: {bt.current_time}")
print(f"進捗: {bt.progress * 100:.1f}%")
print(f"資産: ${bt.equity:,.2f}")
print(f"ポジション: {bt.position}")
print("---")
goto() で任意の位置へジャンプ¶
# 100バー目まで進める（戦略を適用しながら）
bt.goto(100, strategy=my_strategy)
# 状態を確認
print(f"時間: {bt.current_time}")
print(f"資産: {bt.equity:,.0f}")
print(f"ポジション: {bt.position}")
reset() で最初からやり直し¶
結果の解釈¶
基本的な統計情報¶
results = bt.finalize()
# 主要な統計情報を表示
print(f"総リターン: {results['Return [%]']:.2f}%")
print(f"年率リターン: {results['Return (Ann.) [%]']:.2f}%")
print(f"シャープレシオ: {results['Sharpe Ratio']:.2f}")
print(f"最大ドローダウン: {results['Max. Drawdown [%]']:.2f}%")
print(f"取引回数: {results['# Trades']}")
print(f"勝率: {results['Win Rate [%]']:.2f}%")
エクイティカーブの確認¶
# エクイティカーブを取得
equity_curve = results['_equity_curve']
print(equity_curve.head())
# ドローダウンを確認
drawdown = equity_curve['DrawdownPct']
print(f"最大ドローダウン: {drawdown.min():.2f}%")
トレード履歴の確認¶
# トレード履歴を取得
trades = results['_trades']
print(trades.head())
# 勝ちトレードと負けトレードを分析
winning_trades = trades[trades['PnL'] > 0]
losing_trades = trades[trades['PnL'] < 0]
print(f"勝ちトレード数: {len(winning_trades)}")
print(f"負けトレード数: {len(losing_trades)}")
marimo連携¶
marimoと連携して、スライダーで時間を操作しながらリアルタイムで可視化できます。
基本的なmarimo連携¶
import marimo as mo
from BackcastPro import Backtest
# データ準備
bt = Backtest(data={"AAPL": df_aapl}, cash=100000)
# 戦略定義
def my_strategy(bt):
df = bt.data.get("AAPL")
if df is None or len(df) < 2:
return
c0 = df["Close"].iloc[-2]
c1 = df["Close"].iloc[-1]
if bt.position == 0 and c1 < c0:
bt.buy(tag="dip_buy")
elif bt.position > 0 and c1 > c0:
bt.sell(tag="profit_take")
UIコントロール¶
# 時間スライダー
slider = mo.ui.slider(
start=1,
stop=len(bt.index),
value=1,
label="📅 時間",
show_value=True
)
# スライダー位置まで進める
bt.goto(slider.value, strategy=my_strategy)
# 情報パネル
state = bt.get_state_snapshot()
info = mo.md(f"""
### 状況
| 項目 | 値 |
|------|-----|
| 日時 | {state['current_time']} |
| 進捗 | {state['progress'] * 100:.1f}% |
| 資産 | ¥{state['equity']:,.0f} |
| 現金 | ¥{state['cash']:,.0f} |
| 決済済取引 | {state['closed_trades']} 件 |
""")
mo.vstack([slider, info])
インジケーターの活用¶
データにインジケーター列を追加し、戦略内で参照できます。
# データにインジケーターを追加
df['SMA_20'] = df['Close'].rolling(20).mean()
df['SMA_50'] = df['Close'].rolling(50).mean()
bt = Backtest(data={code: df}, cash=10000)
# 戦略内でインジケーターを参照
def sma_cross_strategy(bt):
for code, df in bt.data.items():
if len(df) < 50:
continue
sma20 = df['SMA_20'].iloc[-1]
sma50 = df['SMA_50'].iloc[-1]
if bt.position_of(code) == 0 and sma20 > sma50:
bt.buy(code=code, tag="golden_cross")
elif bt.position_of(code) > 0 and sma20 < sma50:
bt.sell(code=code, tag="dead_cross")
bt.set_strategy(sma_cross_strategy)
results = bt.run()
次のステップ¶
1. より複雑な戦略の実装¶
def moving_average_cross(bt):
"""移動平均クロス戦略"""
df = bt.data.get("AAPL")
if df is None or len(df) < 20:
return
sma_short = df["Close"].rolling(10).mean().iloc[-1]
sma_long = df["Close"].rolling(20).mean().iloc[-1]
sma_short_prev = df["Close"].rolling(10).mean().iloc[-2]
sma_long_prev = df["Close"].rolling(20).mean().iloc[-2]
# ゴールデンクロスで買い
if bt.position == 0 and sma_short > sma_long and sma_short_prev <= sma_long_prev:
bt.buy(tag="golden_cross")
# デッドクロスで売り
elif bt.position > 0 and sma_short < sma_long and sma_short_prev >= sma_long_prev:
bt.sell(tag="dead_cross")
2. リスク管理の追加¶
def strategy_with_risk_management(bt):
if bt.position == 0:
price = bt.data["AAPL"]["Close"].iloc[-1]
bt.buy(
sl=price * 0.95, # 5%下落でストップロス
tp=price * 1.10, # 10%上昇でテイクプロフィット
tag="entry_with_sl_tp"
)
3. パフォーマンスの可視化¶
import matplotlib.pyplot as plt
# エクイティカーブをプロット
equity_curve = results['_equity_curve']
plt.figure(figsize=(12, 6))
plt.subplot(2, 1, 1)
plt.plot(equity_curve.index, equity_curve['Equity'])
plt.title('エクイティカーブ')
plt.ylabel('資産')
plt.subplot(2, 1, 2)
plt.plot(equity_curve.index, equity_curve['DrawdownPct'])
plt.title('ドローダウン')
plt.ylabel('ドローダウン (%)')
plt.tight_layout()
plt.show()
よくある質問¶
Q: データが取得できない場合はどうすればいいですか？¶
A: 以下の点を確認してください： 1. インターネット接続 2. 銘柄コードの正確性 3. 日付範囲の妥当性
Q: バックテストが遅い場合はどうすればいいですか？¶
A: 以下の方法を試してください： 1. データ期間を短くする 2. 複雑な計算を事前に行っておく 3. 不要なデータを削除する
Q: 複数銘柄で position がおかしい¶
A: 複数銘柄を扱う場合は bt.position ではなく bt.position_of(code) を使用してください。
position は全銘柄合計のため、個別銘柄のポジションを正確に取得できません。
Q: size を省略した時の動作は？¶
A: 反対ポジションがある場合は全クローズ、ない場合は全力で新規ポジションを取ります。
| 条件 | 動作 |
|---|---|
bt.sell() でロング保有中 |
全ロングをクローズ |
bt.buy() でショート保有中 |
全ショートをクローズ |
| ポジションなし | 全資産で新規ポジション |
| 同方向ポジション保有中 | margin_available で買い増し |
明示的にサイズを指定したい場合は bt.buy(size=100) のように指定してください。
まとめ¶
- データ準備 → Backtest初期化 → 戦略関数定義 → 実行 → 分析 の順に進めます
set_strategy()+run()で一括実行、またはstep()でステップ実行- marimo連携でインタラクティブなリプレイシミュレーションが可能