未来の値段がわかる？コイン取引の作戦「サイバーサイクル」を大解剖！

"""
Cyber Cycle Trading Signal Generator
デジタルフィルターを使用したサイクル分析
"""
import pandas as pd
import numpy as np


def calculate_cyber_cycle_signals(df: pd.DataFrame,
                                 period: int = 16) -> pd.DataFrame:
    """
    Cyber Cycle戦略のシグナル生成
    
    Parameters:
    -----------
    df : pd.DataFrame
        OHLCVデータ
    period : int
        サイクル期間（デフォルト: 16）
    
    Returns:
    --------
    pd.DataFrame
        シグナルが追加されたDataFrame
    """
    df = df.copy()
    
    # 価格データのスムージング
    df['price'] = (df['high'] + df['low']) / 2
    df['smooth'] = (df['price'] + 2 * df['price'].shift(1) + 2 * df['price'].shift(2) + df['price'].shift(3)) / 6
    
    # サイクル成分の抽出（2次IIRフィルター）
    alpha = 2 / (period + 1)
    df['cycle'] = 0.0
    
    for i in range(2, len(df)):
        a = 1 - 0.5 * alpha
        b = 1 - alpha
        c = (1 - 0.75 * alpha)
        if i >= 2 and not np.isnan(df.iloc[i]['smooth']) and not np.isnan(df.iloc[i-1]['smooth']) and not np.isnan(df.iloc[i-2]['smooth']):
            df.loc[df.index[i], 'cycle'] = (
                a**2 * (df.iloc[i]['smooth'] - 2 * df.iloc[i-1]['smooth'] + df.iloc[i-2]['smooth']) + 
                2 * b * df.iloc[i-1]['cycle'] - 
                c**2 * df.iloc[max(i-2, 0)]['cycle']
            )
    
    # トリガーライン（1期前のサイクル）
    df['trigger'] = df['cycle'].shift(1)
    
    # サイクルの標準偏差
    df['cycle_std'] = df['cycle'].rolling(window=period).std()
    
    # ダイナミックレベル
    df['upper_level'] = df['cycle_std'] * 1.5
    df['lower_level'] = -df['cycle_std'] * 1.5
    
    # シグナル生成
    df['is_buy'] = (
        ((df['cycle'] > df['trigger']) & (df['cycle'].shift(1) <= df['trigger'].shift(1))) |  # トリガークロス
        ((df['cycle'] > df['lower_level']) & (df['cycle'].shift(1) <= df['lower_level']))  # 売られ過ぎからの反発
    ) & df['cycle'].notna()
    df['is_sell'] = (
        ((df['cycle'] < df['trigger']) & (df['cycle'].shift(1) >= df['trigger'].shift(1))) |  # トリガークロス
        ((df['cycle'] < df['upper_level']) & (df['cycle'].shift(1) >= df['upper_level']))  # 買われ過ぎからの反落
    ) & df['cycle'].notna()
    
    # 不要カラム削除
    df.drop(['price', 'smooth', 'trigger', 'cycle_std', 'upper_level', 'lower_level'], 
            axis=1, inplace=True, errors='ignore')
    
    return df