値動きの元気さで予想！SOL/USDTで試した作戦の結果は？

"""
Polarized Fractal Efficiency Trading Signal Generator
価格変動の効率性を測定してトレンドを検出
"""
import pandas as pd
import numpy as np


def calculate_pfe_signals(df: pd.DataFrame,
                         period: int = 10,
                         smoothing: int = 5) -> pd.DataFrame:
    """
    Polarized Fractal Efficiency戦略のシグナル生成
    
    Parameters:
    -----------
    df : pd.DataFrame
        OHLCVデータ
    period : int
        PFE計算期間（デフォルト: 10）
    smoothing : int
        平滑化期間（デフォルト: 5）
    
    Returns:
    --------
    pd.DataFrame
        シグナルが追加されたDataFrame
    """
    df = df.copy()
    
    # 価格変化（直線距離）
    df['price_change'] = df['close'] - df['close'].shift(period)
    
    # 実際の価格パス（各期間の変化の合計）
    df['period_changes'] = 0.0
    for i in range(1, period + 1):
        df['period_changes'] += np.sqrt(
            (df['close'].shift(i-1) - df['close'].shift(i))**2 + 1
        )
    
    # 効率性比率
    df['efficiency'] = np.sqrt(df['price_change']**2 + period**2) / (df['period_changes'] + 0.0001)
    
    # PFE（極性を持つフラクタル効率）
    df['pfe_raw'] = np.sign(df['price_change']) * df['efficiency'] * 100
    
    # 指数移動平均でスムージング
    df['pfe'] = df['pfe_raw'].ewm(span=smoothing, adjust=False).mean()
    
    # PFEの移動平均（トレンド）
    df['pfe_ma'] = df['pfe'].rolling(window=period).mean()
    
    # PFEの標準偏差（ボラティリティ）
    df['pfe_std'] = df['pfe'].rolling(window=period).std()
    
    # ダイナミックレベル
    df['pfe_upper'] = df['pfe_std'] * 2
    df['pfe_lower'] = -df['pfe_std'] * 2
    
    # シグナル生成
    df['pfe_prev'] = df['pfe'].shift(1)
    df['is_buy'] = (
        ((df['pfe'] > 0) & (df['pfe_prev'] <= 0)) |  # ゼロラインクロス
        ((df['pfe'] > df['pfe_lower']) & (df['pfe_prev'] <= df['pfe_lower']))  # 売られ過ぎからの反発
    ) & df['pfe'].notna()
    df['is_sell'] = (
        ((df['pfe'] < 0) & (df['pfe_prev'] >= 0)) |  # ゼロラインクロス
        ((df['pfe'] < df['pfe_upper']) & (df['pfe_prev'] >= df['pfe_upper']))  # 買われ過ぎからの反落
    ) & df['pfe'].notna()
    
    # 不要カラム削除
    df.drop(['price_change', 'period_changes', 'efficiency', 'pfe_raw',
             'pfe_ma', 'pfe_std', 'pfe_upper', 'pfe_lower', 'pfe_prev'], axis=1, inplace=True, errors='ignore')
    
    return df