暗号のMFI取引戦略をバックテストする方法は？

暗号通貨取引におけるMFIインジケーターの理解

マネーフローインデックス（MFI）は、指定された期間、通常14のろうそくにわたって資産に出入りするお金の流れを測定する勢い発振器です。価格のみを考慮するRSIとは異なり、MFIにはボリュームが組み込まれているため、ボリュームが強力な制度的または小売利益を示す暗号市場で特に役立ちます。 MFIの範囲は0から100の範囲で、 80を超える測定値は買収過剰と見なされ、 20を下回っています。トレーダーはこれらのレベルを使用して、潜在的な反転ポイントを特定します。バックテストのコンテキストでは、Bitcoin、イーサリアム、またはアルトコインなど、さまざまな暗号資産でMFIがどのように動作するかを理解することが不可欠です。各資産は、MFI信号に影響を与えるさまざまなボリュームパターンを示す場合があります。

暗号MFI戦略のバックテスト環境を設定します

MFI戦略をバックテストするには、過去の価格とボリュームデータをサポートする信頼できる環境が必要です。人気のあるプラットフォームには、 TradingView 、 PandasやBacktraderなどのライブラリを備えたPython 、 Metatrader （Brokers経由のCryptoを使用）が含まれます。精度とカスタマイズには、 Pythonを強くお勧めします。必要なパッケージをインストールすることから始めます。

• データ操作のためにpandasをインストールします
• ccxtを使用して、BinanceやCoinbaseなどの交換からCrypto OHLCV（オープン、ハイ、ロー、クローズ、ボリューム）データを取得します。
• 戦略の実行とパフォーマンス追跡のためにbacktraderまたはziplineを利用する

データが含まれていることを確認して、少なくとも1年間の1時間または4時間のキャンドルを含めて、意味のある結果を得てください。不完全または低品質のデータは、MFI計算を歪め、誤シグナルにつながる可能性があります。 CCXTを介してデータを取得するときは、シンボル（たとえば、BTC/USDT）、時間枠、および制限（たとえば、1000キャンドル）を指定します。このデータをパンダのデータフレームに列に保存します：タイムスタンプ、オープン、ハイ、ロー、クローズ、ボリューム。

MFIインジケーターの計算段階的に計算します

MFI計算には、いくつかの段階が含まれます。有効なバックテスト結果を確認するために、各ステップを正確に実装する必要があります。

• 各ろうそくの典型的な価格を計算します：（ (high + low + close) / 3
• 生のお金の流れを決定： Typical Price × volume
• ポジティブとネガティブのお金の流れを特定します。今日の典型的な価格を昨日の価格と比較してください。より高い場合、それは正の流れです。低い場合、それは負です
• ルックバック期間にわたるポジティブとネガティブのお金の流れを合計します（通常14）
• マネー比を計算する： Positive Money Flow Sum / Negative Money Flow Sum
• MFIを導き出す： 100 - (100 / (1 + Money Ratio))

Pythonでは、これはPandas .shift()および.rolling()関数を使用してベクトル化できます。初期期間のNAN値が処理されていることを確認してください。結果のMFI列をデータフレームに追加する必要があります。価格と一緒にMFIをプロットすることで、買われすぎ/販売の条件と潜在的な相違を視覚化するのに役立ちます。

MFI戦略のエントリルールと終了ルールの定義

暗号の基本的なMFI戦略は、次のロジックを使用する場合があります。

• 購入信号を購入：MFIは下から20を超えて交差し、売られすぎからの逆転の可能性を示しています
• 販売信号：MFIは上から80を下回り、買収された条件を通知します
• 次のろうそくが取引の方向に閉じるのを待つなど、確認フィルターを追加します
• オプションでは、発散検出を使用します。価格は新しい低くなりますが、MFIはそうではありません。

短いエントリの場合（プラットフォームで許可されている場合）：

• 短い信号：MFIが80を下回った後、80を下回る
• カバー信号：MFIが20を超えます

これらのルールはコードに翻訳する必要があります。 Backtraderで、 bt.Strategyから継承するカスタム戦略クラスを定義します。 self.mfi = bt.indicators.MFI(self.data, period=14)を使用して、インジケーターをインスタンス化します。次に、 next()メソッドでは、 self.mfi[0] （現在の値）およびself.mfi[-1] （前の値）を使用して条件を確認します。

バックテストの実行と結果の分析

戦略がコーディングされたら、データをバックテストエンジンにロードします。バックトレーダー：

• Cerebroエンジンインスタンスを作成します
• cerebro.adddata()を使用してデータフィードを追加します
• cerebro.addstrategy(MFIStrategy)で戦略を追加する
• 初期キャピタルを設定する： cerebro.broker.setcash(10000)
• オプションで、委員会を設定：0.1％の取引手数料のcerebro.broker.setcommission(commission=0.001)
• バックテストを実行する： cerebro.run()
• 結果のプロット： cerebro.plot()

評価する重要なパフォーマンスメトリックは次のとおりです。

• 総収益：最終的なポートフォリオ値対イニシャル
• シャープ比：リスク調整されたリターン
• マックスドローダウン：最大のピークからトラフへの減少
• 勝利率：収益性の高い取引の割合
• 利益要因：総利益 /総損失

さまざまな暗号通貨と時間枠の結果を比較します。たとえば、MFIは、より信頼性の高いボリュームデータのため、BTC/USDTよりも低容量のAltCoinよりも優れたパフォーマンスを発揮する場合があります。

MFI戦略の最適化と検証

複数の市場条件にわたってテストすることで、過剰適合を避けてください。ウォークフォワード分析：データをサンプル内（最適化のため）とサンプル外（検証用）に分割します。次のようなテストのバリエーション：

• さまざまなMFI期間（例：10、14、21）
• 調整されたしきい値（たとえば、80/20の代わりに75/25）
• MFIと移動平均またはトレンドフィルターを組み合わせます

たとえば、価格が50期のEMAを超えている場合にのみ長い取引を行います。複数の交換と異なるペアで戦略を実行することにより、堅牢性を検証します。パフォーマンスがトレーニングデータの外側に大幅に低下した場合、戦略は信頼できない場合があります。

よくある質問

コーディングせずにMFI戦略をバックテストできますか？はい。 TradingViewなどのプラットフォームを使用すると、MFIベースの戦略を定義し、組み込み戦略テスターを使用するPine Scriptを作成できます。エントリ/終了ルールを視覚的に設定し、Cryptoチャートに適用し、Pythonコードを作成せずにエクイティカーブや貿易履歴などのパフォーマンスメトリックを表示できます。

MFIのバックテストに最適な暗号時間枠は何ですか？短期的なボラティリティによる騒音を減らすため、4時間および毎日の時間枠が一般的に使用されます。 15分または1時間のチャートのMFI信号は、日中のスイングが高いため、暗号で頻繁に誤った信号を生成する可能性があります。常に時間枠をトレーディングスタイルに合わせてください。スイングトレーダーは4時間/dを好みますが、スキャルパーはしきい値を厳しくして15mをテストする場合があります。

バックテストで暗号通貨交換料金を処理するにはどうすればよいですか？バックテストにコミッションモデルを含めてください。ほとんどのプラットフォームを使用すると、取引ごとに料金を設定できます。たとえば、Binanceは標準取引で0.1％を請求します。バックトレーダーでは、 cerebro.broker.setcommission(commission=0.001)を使用します。手数料を無視すると、戦略が収益性が高い場合は、収益性が高くなります。

なぜ私のMFI戦略はBitcoinで素晴らしい結果を示すが、altcoinsで失敗するのですか？ Altcoinsは、多くの場合、流動性が低く、不安定なボリュームが低いため、MFI計算が歪んでいます。インジケータは、お金の流れを評価するためにボリュームに依存しています。低いまたは操作されたボリュームは、誤解を招く信号を生成する可能性があります。ボリュームベースの戦略を適用する前に、Altcoinが一貫した取引量を持っていることを常に確認してください。