「Chande Momentum」でLINK/USDTの売買タイミングを探る！どんな結果になったか見てみよう

#!/usr/bin/env python3
"""
Chande Momentum Oscillator (CMO)戦略
価格変動の強さを測定
"""
import pandas as pd
import numpy as np


def calculate_cmo_signals(df: pd.DataFrame, cmo_period: int = 14,
                         overbought: float = 50, oversold: float = -50) -> pd.DataFrame:
    """
    Chande Momentum Oscillatorシグナルを生成
    
    Parameters:
    -----------
    df : pd.DataFrame
        OHLCVデータ
    cmo_period : int
        CMO計算期間（デフォルト: 14）
    overbought : float
        買われすぎ水準（デフォルト: 50）
    oversold : float
        売られすぎ水準（デフォルト: -50）
    
    Returns:
    --------
    pd.DataFrame
        シグナル列が追加されたDataFrame
    """
    df = df.copy()
    
    # 価格変動
    df['price_change'] = df['close'].diff()
    
    # 上昇と下降の分離
    df['up_move'] = np.where(df['price_change'] > 0, df['price_change'], 0)
    df['down_move'] = np.where(df['price_change'] < 0, np.abs(df['price_change']), 0)
    
    # 期間内の合計
    df['sum_up'] = df['up_move'].rolling(window=cmo_period).sum()
    df['sum_down'] = df['down_move'].rolling(window=cmo_period).sum()
    
    # CMO計算
    df['cmo'] = ((df['sum_up'] - df['sum_down']) / (df['sum_up'] + df['sum_down'])) * 100
    
    # CMOの移動平均（スムージング）
    df['cmo_ma'] = df['cmo'].rolling(window=3).mean()
    
    # シグナル生成
    df['is_buy'] = (
        (df['cmo_ma'] > oversold) & 
        (df['cmo_ma'].shift(1) <= oversold)
    )
    
    df['is_sell'] = (
        (df['cmo_ma'] < overbought) & 
        (df['cmo_ma'].shift(1) >= overbought)
    )
    
    # NaN値をFalseに置換
    df['is_buy'] = df['is_buy'].fillna(False)
    df['is_sell'] = df['is_sell'].fillna(False)
    
    print(f"Chande Momentum: 期間={cmo_period}, 買われすぎ={overbought}, 売られすぎ={oversold}")
    print(f"買いシグナル数: {df['is_buy'].sum()}")
    print(f"売りシグナル数: {df['is_sell'].sum()}")
    
    return df