ビットコインの「お疲れサイン」を見つけて、値段が反転するタイミングを狙う作戦！

"""
Mass Index Trading Signal Generator
価格レンジの拡大・縮小からトレンド反転を検出
"""
import pandas as pd
import numpy as np


def calculate_mass_index_signals(df: pd.DataFrame,
                                ema_period: int = 9,
                                sum_period: int = 25,
                                reversal_up: float = 27,
                                reversal_down: float = 26.5) -> pd.DataFrame:
    """
    Mass Index戦略のシグナル生成
    
    Parameters:
    -----------
    df : pd.DataFrame
        OHLCVデータ
    ema_period : int
        EMA期間（デフォルト: 9）
    sum_period : int
        合計期間（デフォルト: 25）
    reversal_up : float
        反転上限（デフォルト: 27）
    reversal_down : float
        反転下限（デフォルト: 26.5）
    
    Returns:
    --------
    pd.DataFrame
        シグナルが追加されたDataFrame
    """
    df = df.copy()
    
    # High-Lowレンジ
    df['hl_range'] = df['high'] - df['low']
    
    # 第1 EMA
    df['ema1'] = df['hl_range'].ewm(span=ema_period, adjust=False).mean()
    
    # 第2 EMA（第1 EMAのEMA）
    df['ema2'] = df['ema1'].ewm(span=ema_period, adjust=False).mean()
    
    # EMA比率
    df['ema_ratio'] = df['ema1'] / (df['ema2'] + 0.0001)
    
    # Mass Index（25期間の合計）
    df['mass_index'] = df['ema_ratio'].rolling(window=sum_period).sum()
    
    # トレンド方向の判定（価格のEMA）
    df['price_ema'] = df['close'].ewm(span=ema_period, adjust=False).mean()
    df['trend'] = np.where(df['close'] > df['price_ema'], 1, -1)
    
    # 反転シグナル（条件を緩和）
    df['mi_prev'] = df['mass_index'].shift(1)
    df['mi_ma'] = df['mass_index'].rolling(window=5).mean()
    
    # Mass Indexの変化率を使用
    df['mi_change'] = df['mass_index'] - df['mi_prev']
    
    # より実用的なシグナル生成（閾値を緩和し、上昇・下降パターンを使う）
    df['is_buy'] = (
        (df['mass_index'] > reversal_up - 2) &  # 高値圏（閾値緩和）
        (df['mi_prev'] >= df['mass_index']) &   # Mass Indexが下降開始
        (df['trend'] > 0) &                     # 上昇トレンド
        df['mass_index'].notna()
    )
    df['is_sell'] = (
        (df['mass_index'] > reversal_up - 2) &  # 高値圏（閾値緩和）
        (df['mi_prev'] >= df['mass_index']) &   # Mass Indexが下降開始
        (df['trend'] < 0) &                     # 下降トレンド
        df['mass_index'].notna()
    )
    
    # 不要カラム削除
    df.drop(['hl_range', 'ema1', 'ema2', 'ema_ratio', 'price_ema', 
             'trend', 'mi_prev', 'mi_ma', 'mi_change'], axis=1, inplace=True, errors='ignore')
    
    return df