암호화에 대한 KDJ 거래 전략을 백 테스트하는 방법은 무엇입니까?

KDJ 지표는 %k, %d 및 민감한 J 라인을 결합하여 암호화 거래 전략을 향상시켜 과출/방송 조건을 감지하고 적시에 구매/판매 신호를 생성합니다.

2025/08/02 03:56

cryptocurrency 거래에서 KDJ 지표 이해

KDJ 지표는 확률 론적 오실레이터에서 파생 된 운동량 발진기이며, 기술 분석에 널리 사용되는 금융 시장에서 과매 및 과매도 조건을 식별합니다. cryptocurrency 거래의 맥락에서 KDJ는 세 번째 구성 요소 ( J 라인) 를 기존 %k 및 %d 라인에 추가하여 신호 정확도를 향상시킵니다. 이 공식은 지정된 룩백 기간 (보통 9주기)에 걸쳐 최고 높이 및 최저 낮음을 기준으로 %k 값을 계산하고 %d (신호 라인) 로 평활화 한 다음 %j = 3 × %d - 2 × %k를 도출합니다. 이 값은 0과 100 사이에서 변동하며, 80 이상의 판독 값은 일반적으로 과출 조건을 나타내고 20 개의 신호 전환 수준을 나타냅니다.

변동성이 높은 암호화 자산의 경우 KDJ는 거래자가 잠재적 인 역전 포인트를 감지하는 데 도움이 될 수 있습니다. J 라인의 감도는 %k 및 %d 라인 위 또는 아래로 교차하여 조기 구매 또는 판매 신호를 생성 할 수 있습니다. KDJ를 백 테스트에 적용 할 때는 이러한 신호가 범위, 인기 또는 고압 환경과 같은 다른 시장 조건에서 어떻게 행동하는지 이해하는 것이 필수적입니다. 적절한 역사적 검증없이 지표를 잘못 해석하면 잘못된 항목과 종료로 이어질 수 있습니다.

암호화 전략을위한 백 테스트 환경 설정

KDJ 전략을 백 테스트하려면 역사적 암호화 가격 데이터를 처리하고 거래 논리를 실행할 수있는 강력한 환경이 필요합니다. 파이썬은 풍부한 금융 라이브러리 생태계로 인해 선호하는 언어입니다. 데이터 조작용 pandas , numpy Numerical Operations의 Numpy 및 ccxt 또는 yfinance (Crypto 지원)와 같은 주요 패키지를 설치하여 Binance 또는 Kraken과 같은 교환에서 역사적 촛대 데이터를 가져옵니다.

• PIP를 사용하여 필요한 라이브러리를 설치하십시오.
  pip install pandas numpy ccxt matplotlib
• ccxt 사용하여 교환에 연결하고 OHLCV (오픈, 높음, 낮음, 가까운 볼륨) 데이터를 검색합니다.

   import ccxt
   exchange = ccxt.binance()
   ohlcv = exchange.fetch_ohlcv('BTC/USDT', '1d', limit=1000)

• 타임 스탬프, 개방, 높음, 낮음, 가까운 볼륨을 사용하여 데이터를 Pandas 데이터 프레임 으로 변환하십시오.
• 타임 스탬프가 DateTime 형식으로 변환되고 시계열 분석을 위해 올바르게 인덱싱되도록하십시오.

이 환경을 사용하면 정의 된 규칙에 따라 KDJ 값을 계산하고 거래를 시뮬레이션 할 수 있습니다. 정확도는 깨끗하고 고품질의 데이터에 따라 다릅니다. 진행하기 전에 누락 된 양초 또는 특이 치를 처리합니다.

역사적 암호화 데이터에서 KDJ 값을 계산합니다

백 테스트의 핵심은 KDJ 구성 요소를 올바르게 계산하는 데 있습니다. 룩백 기간 (일반적으로 9 개의 양초)을 정의하여 시작하십시오. 각 촛불에 대해 공식을 사용하여 %k를 계산하십시오.

%k = [(닫기 - 최저 낮음) / (최고 높이 - 최저 낮음)] × 100

어디:

• 가장 낮은 최저는 지난 9 년 동안 최소값입니다.
• 가장 높은 최고는 같은 기간 동안 최대 최고치입니다.

그런 다음 부드러운 %k, 일반적으로 3- 기간 간단한 이동 평균 (SMA)을 사용하여 %d를 얻습니다.

%d = sma (%k, 3)

마지막으로 %j 라인을 계산합니다.

%j = 3 × %d - 2 × %k

파이썬에서 이것을 구현하십시오.

 import pandas as pd def calculate_kdj (df, n = 9, d_n = 3) :


df['lowest_low'] = df['low'].rolling(window=n).min() df['highest_high'] = df['high'].rolling(window=n).max() df['%K'] = ((df['close'] - df['lowest_low']) / (df['highest_high'] - df['lowest_low'])) * 100 df['%D'] = df['%K'].rolling(window=d_n).mean() df['%J'] = 3 * df['%D'] - 2 * df['%K'] return df
 이 기능을 데이터 프레임에 적용하십시오. 분할이 0으로 발생할 수있는 가장자리 케이스를 처리합니다 (예 : 높음이 낮을 때). 신호 생성의 오류를 피하기 위해 초기 NAN 값을 적절하게 채우십시오.
 
KDJ 거래 규칙을 정의하고 구현합니다
 전형적인 KDJ 기반 전략은 크로스 오버 및 극한 수준에 따라 신호를 생성합니다. 명확한 입력 및 종료 조건을 정의하십시오.
 
구매 신호 :
 %k는 %d 이상으로 교차하는 반면 둘 다 20 미만 (AccastOld Zone)
 %j는 0 이하로 떨어지고 0 이상으로 상승합니다.
 신호 판매 :
 %k는 %d 미만으로 교차하는 반면 둘 다 80 이상입니다 (과출 영역)
 %j는 100 이상 상승한 다음 100 미만으로 떨어집니다
 코드에서 이러한 규칙을 구현하십시오.
 
df['buy_signal'] = ( (df['%K'].shift(1) < df['%D'].shift(1)) & (df['%K'] > df['%D']) & (df['%K'] < 20) & (df['%D'] < 20)
 ))
 df [ 'sell_signal'] = (
 
(df['%K'].shift(1) > df['%D'].shift(1)) & (df['%K'] < df['%D']) & (df['%K'] > 80) & (df['%D'] > 80)
 ))

상태 변수를 사용하여 위치를 추적합니다. 구매 신호가 트리거되고 판매 신호가 나타날 때 판매 할 때 촛불이 닫힐 때 구매를 시뮬레이션하십시오. 실제 조건을 반영하기 위해 미끄러짐 및 거래 수수료 (예 : 거래 당 0.1%)를 설명합니다.

전략 성과 시각화 및 평가

거래를 시뮬레이션 한 후 주요 메트릭 및 시각적 도구를 사용하여 성능을 평가하십시오. KDJ 라인 및 상표 마커로 가격 차트를 플로팅하십시오.

 import matplotlib.pyplot as plt 그림, (ax1, ax2) = plt.subplots (2, figsize = (12, 8), sharex = true)
 ax1.plot (df [ 'close'], label = 'btc/usdt')
 ax1.scatter (df.index [df [ 'buy_signal']], df'close '], 마커 ='^', color ='green ')
 ax1.scatter (df.index [df [ 'sell_signal']], df'close '], 마커 ='v ', color ='red ')
 ax2.plot (df [ '%k'], label = '%k')
 ax2.plot (df [ '%d'], label = '%d')
 ax2.plot (df [ '%j'], label = '%j')
 ax2.axhline (80, linestyle = '-', color = 'red')
 ax2.axhline (20, linestyle = '-', color = 'green')
 plt.legend ()
 plt.show ()

성능 지표 계산 :

• 총 수익 : (최종 주식 / 초기 자본) - 1
• 승리율 : 수익성 거래 비율
• 이윤 요인 : 총 이익 / 총 손실
• 최대 드로우 다운 : 최대 피크 대통량 감소

pandas 사용하여 누적 반환 및 드로 다운을 계산하십시오. 다양한 cryptocurrencies와 시간대의 결과를 비교하여 견고성을 평가하십시오.

자주 묻는 질문

유동성이 낮은 알트 코인에서 KDJ 백 테스트를 사용할 수 있습니까?

예, 그러나주의를 기울이십시오. 낮은 액체 알트 코인은 종종 가격 조작 및 불규칙한 양초 패턴을 나타내며, 이는 KDJ 신호를 왜곡 할 수 있습니다. 데이터 소스가 신뢰할 수있는 OHLCV 값을 제공하는지 확인하십시오. 오해의 소지가없는 결과를 피하기 위해 평균 일일 볼륨 (예 : 백만 달러) 이하의 자산을 필터링하는 것을 고려하십시오.

다른 기간 동안 KDJ 매개 변수를 어떻게 조정합니까?

기본 9,3 설정은 일일 차트에서 작동합니다. 1 시간 또는 15 분 차트 의 경우 룩백 기간을 5 또는 7으로 줄여 민감도를 높이십시오. 매개 변수 그리드 검색을 사용한 테스트 조합. 예를 들어, n = 5 ~ 14 및 d_n = 2 ~ 4를 통한 루프, 각각의 성능을 기록합니다.

KDJ 백 테스트에 스톱 손실과 테이크 비영리를 포함해야합니까?

전적으로. 원시 KDJ 신호는 위험 제어없이 장기간 드로 다운을 초래할 수 있습니다. 고정 비율 스톱 손실 (예 : 5%) 및 테이크 비영리 (예 : 10%)를 입력 가격으로 구현하십시오. KDJ 판매 조건 또는 정지/테이크 비영리가 충족되면 판매 논리를 트리거하도록 수정하십시오.

여러 cryptocurrencies에서 백 테스트를 자동화하려면 어떻게해야합니까?

루프를 사용하여 거래 쌍 목록을 반복하십시오. 각 쌍에 대해 데이터를 가져오고, KDJ를 계산하고, 전략을 적용하고, 저장 결과를 요약 데이터 프레임으로 저장하십시오. 처리 속도를 높이기 위해 concurrent.futures 사용하여 병렬화하십시오. 비교 분석을 위해 결과를 CSV에 저장하십시오.