AIが試した投資の作戦！「ATRトレーリングストップ」をわかりやすく解説します！

#!/usr/bin/env python3
"""
ATRトレーリングストップ戦略
ATRを使った動的なトレーリングストップでトレンドフォロー
"""
import pandas as pd
import numpy as np


def calculate_atr_signals(df: pd.DataFrame, atr_period: int = 14, atr_multiplier: float = 2.0) -> pd.DataFrame:
    """
    ATRトレーリングストップシグナルを生成
    
    Parameters:
    -----------
    df : pd.DataFrame
        OHLCVデータ
    atr_period : int
        ATR計算期間（デフォルト: 14）
    atr_multiplier : float
        ATR倍率（デフォルト: 2.0）
    
    Returns:
    --------
    pd.DataFrame
        シグナル列が追加されたDataFrame
    """
    df = df.copy()
    
    # True Rangeの計算
    df['high_low'] = df['high'] - df['low']
    df['high_close'] = np.abs(df['high'] - df['close'].shift(1))
    df['low_close'] = np.abs(df['low'] - df['close'].shift(1))
    df['true_range'] = df[['high_low', 'high_close', 'low_close']].max(axis=1)
    
    # ATRの計算
    df['atr'] = df['true_range'].rolling(window=atr_period).mean()
    
    # ATRトレーリングストップの計算
    df['atr_distance'] = df['atr'] * atr_multiplier
    
    # 上昇トレンドと下降トレンドのストップレベル
    df['upper_stop'] = df['close'] - df['atr_distance']
    df['lower_stop'] = df['close'] + df['atr_distance']
    
    # トレンド方向の判定（シンプルなロジック）
    df['trend'] = 0
    for i in range(atr_period, len(df)):
        if df.loc[df.index[i], 'close'] > df.loc[df.index[i-1], 'close'] + df.loc[df.index[i-1], 'atr_distance']:
            df.loc[df.index[i], 'trend'] = 1
        elif df.loc[df.index[i], 'close'] < df.loc[df.index[i-1], 'close'] - df.loc[df.index[i-1], 'atr_distance']:
            df.loc[df.index[i], 'trend'] = -1
        else:
            df.loc[df.index[i], 'trend'] = df.loc[df.index[i-1], 'trend']
    
    # シグナル生成（トレンド転換時）
    df['is_buy'] = (df['trend'] == 1) & (df['trend'].shift(1) != 1)
    df['is_sell'] = (df['trend'] == -1) & (df['trend'].shift(1) != -1)
    
    # NaN値をFalseに置換
    df['is_buy'] = df['is_buy'].fillna(False)
    df['is_sell'] = df['is_sell'].fillna(False)
    
    # デバッグ情報
    print(f"ATR期間: {atr_period}, 倍率: {atr_multiplier}")
    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