AIで自動売買戦略を検証

このチュートリアルでは、Colabにプリインストールされている依存関係から環境を分離しつつ、OctoBotとOctoBot-Scriptを使って完全な定量バックテストワークフローを構築します。我々は、RSIに基づく売られすぎシグナル、EMAトレンド確認、ATR駆動の適応的なストップロスとテイクプロフィットレベルを組み合わせたルールベースの取引戦略を設定し、OctoBotのネイティブなマーケットオーダーAPIとバックテストAPIを通じて実行します。我々はまた、OctoBotのデータレイヤーを通じて自動的な取引所フォールバック機能付きで過去のOHLCVデータを取得し、インサンプル期間でマルチパラメータのグリッドサーチを実行し、バイアンドホールドに対する超過リターンに基づいて最適な設定を選択します。次に、選択されたパラメータを完全に分離されたアウトオブサンプル期間で検証し、汎化能力を評価し、潜在的な過学習を特定します。最後に、OctoBotのバックテストレポートデータを抽出し、PandasとPlotlyを使用して、インタラクティブなColab環境でパラメータ感度、ポートフォリオパフォーマンス、価格変動、インジケーター、および実行結果を分析します。Copy Code Copied Use a different BrowserSYMBOL = "BTC/USDT"TIME_FRAME = "1d"EXCHANGES = ["binance", "kucoin", "okx", "bybit", "mexc", "kraken"]IN_SAMPLE = ("2019-01-01", "2023-01-01")OUT_OF_SAMPLE = ("2023-01-01", "2025-06-01")GRID = {"rsi_period": [7, 14, 21],"rsi_threshold": [25, 30, 35],"tp_atr_mult": [3.0, 5.0],}FIXED = {"ema_fast": 50,"ema_slow": 200,"atr_period": 14,"sl_atr_mult": 2.0,"position_size": "20%","min_offset_pct": 1.0,"max_offset_pct": 40.0,}VENV_DIR = "/content/octobot_env"WORK_DIR = "/content/octobot_lab"OCTOBOT_V = "2.1.1"PY_VERSION = "3.12"import json, os, subprocess, sys, textwrap, time, itertools, shutos.makedirs(WORK_DIR, exist_ok=True)PY = os.path.join(VENV_DIR, "bin", "python")MARKER = os.path.join(VENV_DIR, ".octobot_ready")def sh(cmd, **kw):"""Run a command, streaming its output live into the Colab cell."""print(f"$ {' '.join(cmd)}")p = subprocess.Popen(cmd, stdout=subproce