چگونه یک استراتژی ساده را به کمک پایتون بکتست‌گیری کنیم؟ آموزش جامع بک تست گرفتن با پایتون

				
					
# فایل: final_backtest_project.py
import pandas as pd
import numpy as np
import yfinance as yf
from datetime import datetime
from backtesting import Strategy, Backtest # برای بکتست گیری در بازارهایی غیر از ارز دیجیتال
from backtesting.lib import crossover, FractionalBacktest # برای بکتست گیری در بازار ارز دیجیتال

# ---- تعریف توابع کمکی ----
def calculate_rsi(series, period=14):
    delta = series.diff()
    gain = (delta.where(delta > 0, 0)).rolling(window=period).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(window=period).mean()
    rs = gain / loss
    return 100 - (100 / (1 + rs))

# ---- استراتژی نهایی ترکیبی ----
class FinalCombinedStrategy(Strategy):
    sma_short = 20
    sma_long = 60
    rsi_period = 14
    rsi_oversold = 35
    rsi_overbought = 75
    stop_loss = 0.05
    take_profit = 0.15

    def init(self):
        close = self.data.Close
        self.sma_fast = self.I(lambda x: pd.Series(x).rolling(self.sma_short).mean(), close)
        self.sma_slow = self.I(lambda x: pd.Series(x).rolling(self.sma_long).mean(), close)
        self.rsi = self.I(lambda x: calculate_rsi(pd.Series(x), self.rsi_period), close)

    def next(self):
        price = self.data.Close[-1]
        rsi_val = self.rsi[-1]

        if not self.position:
            if (crossover(self.sma_fast, self.sma_slow) and rsi_val < self.rsi_oversold):
                self.buy(sl=price*(1-self.stop_loss), tp=price*(1+self.take_profit))
        elif self.position:
            if crossover(self.sma_slow, self.sma_fast) or rsi_val > self.rsi_overbought:
                self.position.close()

# ---- اجرای اصلی پروژه ----
if __name__ == "__main__":
    print("🎯 پروژه عملی: بکتست استراتژی ترکیبی پیشرفته (SMA + RSI + SL/TP)")
    print("="*70)

    # 1. انتخاب نماد و دانلود داده
    TICKER = "BTC-USD"  # بیتکوین
    YEARS = 5
    end_date = datetime.now().strftime("%Y-%m-%d")
    start_date = (datetime.now() - pd.DateOffset(years=YEARS)).strftime("%Y-%m-%d")

    print(f"نماد: {TICKER}")
    print(f"بازه زمانی: {start_date} تا {end_date} ({YEARS} سال)")
    print("در حال دانلود داده...")

    data = yf.download(TICKER, start=start_date, end=end_date, progress=False)

    # 2. اجرای بکتست با استراتژی نهایی
    bt = FractionalBacktest(data, FinalCombinedStrategy, fractional_unit=1e-06و
                  cash=1000,        # سرمایه اولیه 1000 دلار
                  commission=.002,      # کارمزد 0.2%
                  margin=1,            # اهرم 1:1 (بدون اهرم)
                  exclusive_orders=True)

    print("در حال اجرای بکتست (این ممکن است چند ثانیه طول بکشد)...")
    results = bt.run()

    # 3. نمایش گزارش جامع
    print("\n" + "#"*70)
    print("گزارش نهایی بکتست")
    print("#"*70)

    # بخش 1: عملکرد کلی
    print("\n1. 📊 عملکرد کلی")
    print("-"*40)
    print(f"   بازده کل: {results['Return [%]']:+.2f}%")
    print(f"   سرمایه اولیه: ${results['Start Equity']:.2f}")
    print(f"   سرمایه نهایی: ${results['Equity Final [$]']:.2f}")
    annual_return = ((1 + results['Return [%]']/100) ** (1/YEARS) - 1) * 100
    print(f"   بازده سالانه: {annual_return:.2f}%")

    # بخش 2: ریسک
    print("\n2. 🛡️  معیارهای ریسک")
    print("-"*40)
    print(f"   حداکثر افت سرمایه: {results['Max. Drawdown [%]']:.2f}%")
    print(f"   نسبت شارپ: {results.get('Sharpe Ratio', 'N/A'):.2f}")
    print(f"   نسبت سورتینو: {results.get('Sortino Ratio', 'N/A'):.2f}")

    # بخش 3: آمار معاملات
    print("\n3. 🔄 آمار معاملات")
    print("-"*40)
    print(f"   تعداد کل معاملات: {results['# Trades']}")
    if results['# Trades'] > 0:
        print(f"   درصد معاملات سودده: {results['Win Rate [%]']:.1f}%")
        print(f"   میانگین سود به ازای هر معامله: {results['Avg. Trade [%]']:.2f}%")
        print(f"   بیشترین سود یک معامله: {results['Best Trade [%]']:.2f}%")
        print(f"   بیشترین ضرر یک معامله: {results['Worst Trade [%]']:.2f}%")
        print(f"   نسبت سود به ضرر (Profit Factor): {results['Profit Factor']:.2f}")
        print(f"   میانگین مدت نگهداری معامله: {results['Avg. Holding Time']}")

    # بخش 4: نتیجه‌گیری
    print("\n4. 📝 نتیجه‌گیری و وضعیت استراتژی")
    print("-"*40)
    if results['Return [%]'] > 0 and results['Max. Drawdown [%]'] < 20 and results.get('Sharpe Ratio', 0) > 1:
        status = "✅ قوی"
        recommendation = "استراتژی از نظر سودآوری و کنترل ریسک عملکرد قابل قبولی دارد. می‌توان با سرمایه کم آن را در بازار واقعی تست کرد."
    elif results['Return [%]'] > 0:
        status = "⚠️ متوسط"
        recommendation = "استراتژی سودده بوده اما قبل از استفاده واقعی، روی بازه‌های زمانی دیگر تست شود."
    else:
        status = "❌ ضعیف"
        recommendation = "استراتژی در این بازه زمانی سودده نبوده است. نیاز به بازنگری در پارامترها یا منطق پایه دارد."

    print(f"   وضعیت: {status}")
    print(f"   توصیه: {recommendation}")

    # 5. رسم نمودارهای تعاملی
    print("\nدر حال تولید نمودارهای تعاملی...")
    bt.plot()
    print("\n✨ پروژه عملی به پایان رسید!")