開発記録#164(2025/4/2)「論文ベースのbot開発フローpart.26」

前回の記事に引き続き、今回も仮想通貨botの開発状況をまとめていきます。

本記事では「暗号通貨のパンプ＆ダンプスキームの検出」に関する論文をベースにbot開発の過程をまとめていきます。

Detecting Crypto Pump-and-Dump Schemes: A Thresholding-Based Approach to Handling Market Noisehttps://t.co/ctCJEV1MBs

— よだか(夜鷹/yodaka) (@yodakablog) March 22, 2025

Yodaka

次のステップ、**実際の稼働チェック（1日〜1週間後のパフォーマンス分析）**について、以下のように進めていきます。

✅ 目的：運用後のBotが期待通りに動いているかを定量的に評価

📊 評価対象の指標と取得方法

🧪 分析スクリプト例（daily_weekly_report.py）

import pandas as pd

def load_trades(path):
    return pd.read_csv(path, parse_dates=["timestamp"])

def analyze(df):
    total = len(df)
    wins = df[df["pnl"] > 0]
    pnl_total = df["pnl"].sum()
    win_rate = len(wins) / total * 100 if total > 0 else 0
    max_dd = (df["balance"].cummax() - df["balance"]).max()

    print(f"🔍 総トレード数: {total}")
    print(f"📈 勝率: {win_rate:.2f}%")
    print(f"💰 合計損益 (PnL): {pnl_total}")
    print(f"📉 最大ドローダウン: {max_dd}")

def main():
    df = load_trades("./results/live_trade_log.csv")

    print("✅ 1日以内のデータ:")
    analyze(df[df["timestamp"] > df["timestamp"].max() - pd.Timedelta("1d")])

    print("\n✅ 1週間以内のデータ:")
    analyze(df[df["timestamp"] > df["timestamp"].max() - pd.Timedelta("7d")])

if __name__ == "__main__":
    main()

📈 出力例

✅ 1日以内のデータ:
🔍 総トレード数: 12
📈 勝率: 66.67%
💰 合計損益 (PnL): 128.0
📉 最大ドローダウン: 42.5

✅ 1週間以内のデータ:
🔍 総トレード数: 87
📈 勝率: 59.77%
💰 合計損益 (PnL): 1080.5
📉 最大ドローダウン: 156.3

📌 評価後のアクション例

🔜 次のステップ候補

• 定期レポートの自動化（cron + Slack連携）
• 複数Botの同時比較ダッシュボード化（Grafana拡張）
• 戦略ごとのパフォーマンスランキング機能

このまま、レポートのSlack自動通知機能や、Botごとの集計レポートにも進められます。

Yodaka

次回は、既存のBotに新しい戦略（ブレイクアウト戦略や機械学習モデル）を追加する方法を紹介します。