Crypto Trading Research & Backtesting Prototype

暗号資産トレーディングのリサーチ・バックテスト用プロトタイプ

プロジェクト概要

リサーチとバックテストで、より優れた暗号資産トレード戦略を構築

Crypto Trading Research & Backtesting Prototypeは現在、リサーチおよびプロトタイピングの段階にあり、全体の構成や最終的なスコープは引き続き検討・改善が進められています。

現段階では、暗号資産の過去の市場データを収集し、テクニカル指標を生成したうえで、機械学習モデルを学習させて取引パターンを分析するよう設計されています。また、ベクトル化されたバックテストを実行してトレード戦略をシミュレーションし、リスクや安定性の指標を用いてそのパフォーマンスを評価します。

このプロトタイプにより、チームはトレードのアイデアを試し、データに基づいて戦略の妥当性を検証し、より高度なトレード分析システムの開発につながる改善点を見つけ出すことができます。

人工知能
フィンテック
研究開発

インサイトと課題

01

未整備のパイプライン

市場データを処理し、構造化されたバックテスト結果を出力できる、エンドツーエンドで完全に機能するパイプラインを構築する必要がありました。これにより、生データの入力、戦略の実行、結果のレポートが、信頼性が高く再現可能なワークフローとしてつながるようになりました。

02

過学習とシミュレーションのバイアス

トレード戦略には、過去データへの過剰適合(オーバーフィッティング)、取引コストの見落とし、特定の相場方向への偏りといったリスクがあり、誤解を招く結果を生む恐れがありました。テストプロセスには、より現実に近い市場の動きや約定条件を反映した管理の仕組みが求められていました。

03

誤解を招くパフォーマンス指標

リスクや安定性を考慮せず、利益だけで戦略を評価すると、テストでは優れて見えても実際の市場環境では通用しない戦略が生まれかねません。一貫性、ドローダウン、長期的な堅牢性を測るための、より幅広い評価フレームワークが必要でした。

ソリューション

技術スタック

フロントエンドツール

Streamlit

Streamlit

バックエンドツール

CCXT

CCXT

Docker

Docker

NumPy

NumPy

Pandas

Pandas

Python

Python

VectorBT

VectorBT