仮想通貨の「元気度」で売り買いのチャンスを見つけよう！RVI戦略のヒミツ

"""
Relative Vigor Index Trading Signal Generator
価格の終値と始値の関係から市場の活力を測定
"""
import pandas as pd
import numpy as np


def calculate_rvi_signals(df: pd.DataFrame,
                         period: int = 10,
                         signal_period: int = 4) -> pd.DataFrame:
    """
    Relative Vigor Index戦略のシグナル生成
    
    Parameters:
    -----------
    df : pd.DataFrame
        OHLCVデータ
    period : int
        RVI計算期間（デフォルト: 10）
    signal_period : int
        シグナルライン期間（デフォルト: 4）
    
    Returns:
    --------
    pd.DataFrame
        シグナルが追加されたDataFrame
    """
    df = df.copy()
    
    # 価格の変動幅
    df['co'] = df['close'] - df['open']
    df['hl'] = df['high'] - df['low']
    
    # 4期間加重移動平均（分子）
    df['co_1'] = df['co'].shift(0)
    df['co_2'] = df['co'].shift(1)
    df['co_3'] = df['co'].shift(2)
    df['co_4'] = df['co'].shift(3)
    df['numerator'] = (df['co_1'] + 2*df['co_2'] + 2*df['co_3'] + df['co_4']) / 6
    
    # 4期間加重移動平均（分母）
    df['hl_1'] = df['hl'].shift(0)
    df['hl_2'] = df['hl'].shift(1)
    df['hl_3'] = df['hl'].shift(2)
    df['hl_4'] = df['hl'].shift(3)
    df['denominator'] = (df['hl_1'] + 2*df['hl_2'] + 2*df['hl_3'] + df['hl_4']) / 6
    
    # RVI計算
    df['rvi_num_sum'] = df['numerator'].rolling(window=period).sum()
    df['rvi_den_sum'] = df['denominator'].rolling(window=period).sum()
    df['rvi'] = df['rvi_num_sum'] / (df['rvi_den_sum'] + 0.0001)
    
    # シグナルライン（加重移動平均）
    df['rvi_1'] = df['rvi'].shift(0)
    df['rvi_2'] = df['rvi'].shift(1)
    df['rvi_3'] = df['rvi'].shift(2)
    df['rvi_4'] = df['rvi'].shift(3)
    df['signal'] = (df['rvi_1'] + 2*df['rvi_2'] + 2*df['rvi_3'] + df['rvi_4']) / 6
    
    # ヒストグラム
    df['histogram'] = df['rvi'] - df['signal']
    
    # シグナル生成
    df['hist_prev'] = df['histogram'].shift(1)
    df['is_buy'] = (df['histogram'] > 0) & (df['hist_prev'] <= 0) & df['histogram'].notna()
    df['is_sell'] = (df['histogram'] < 0) & (df['hist_prev'] >= 0) & df['histogram'].notna()
    
    # 不要カラム削除
    drop_cols = ['co', 'hl', 'co_1', 'co_2', 'co_3', 'co_4', 'hl_1', 'hl_2', 'hl_3', 'hl_4',
                 'numerator', 'denominator', 'rvi_num_sum', 'rvi_den_sum', 
                 'rvi_1', 'rvi_2', 'rvi_3', 'rvi_4', 'hist_prev']
    df.drop(drop_cols, axis=1, inplace=True, errors='ignore')
    
    return df