はじめに
前回は、零号機の取引履歴をPythonで扱えるようにし、分析基盤を整えました。
しかし、それだけでは「勝った」「負けた」という結果しか分かりません。
人間のトレーダーなら、
「あの時はボラティリティが高かった」
「レンジ相場だった」
「ロンドン市場だった」
というように、その時の相場環境も一緒に覚えています。
今回は零号機にもその記憶を与えてみようと思います。
零号機に「記憶」を与える
そこで今回は、零号機が取引するたびに、分析用のCSVを保存するように変更します。
まず記録する内容は、
| 項目 | 内容 |
|---|---|
| 注文番号 | 取引識別 |
| 売買方向 | BUY / SELL |
| エントリー時間 | 分析用 |
| 決済時間 | 分析用 |
| エントリー価格 | 分析用 |
| 決済価格 | 分析用 |
| 損益 | 分析用 |
| 保有時間 | 分析用 |
ここでは、あえてATRやADXなどのテクニカル指標は保存しません。
これらはPython側で後から自由に追加できるからです。零号機には事実だけを記録させます。
システム構成
Chapter2では、次の流れで分析を進めます。
MT4（EA）
↓
trade_log.csv（これから作成）
↓
Python
↓
trade_base.csv（これから作成）
↓
相場データと結合
↓
market_master.csv
↓
Python分析
↓
EA改善Chapter1では、MT4のバックテスト結果だけを分析していましたが、Chapter2では分析専用のデータベースを構築します。
零号機を改修する
今回の目的は、零号機が取引履歴をCSVへ保存できるようにすることです。
1．グローバル変数を追加する
Buy_Exit_Signal などが定義されている付近に、次を追加します。
//+------------------------------------------------------------------+
//| EXIT時の状態を記録するフラグ
//+------------------------------------------------------------------+
int Buy_Exit_Band_Flag = 0;
int Buy_Exit_Reverse_Flag = 0;
int Sell_Exit_Band_Flag = 0;
int Sell_Exit_Reverse_Flag = 0;これは「決済理由」という名前ではなく、決済時にどの条件が成立していたかを保存するための変数です。
2．CSVへ保存する関数を追加する
Order_Close_Indicater() より前に、次の関数を追加します。
追加したPythonコードを見る（クリックで開く）
//+------------------------------------------------------------------+
//| 決済済み取引をCSVへ保存する
//+------------------------------------------------------------------+
void Write_Trade_Log(
int ticket,
int band_flag,
int reverse_flag
)
{
// 決済済み注文をヒストリーから選択
if(OrderSelect(ticket, SELECT_BY_TICKET, MODE_HISTORY) == false)
{
Print(
"決済済み注文を選択できませんでした。ticket=",
ticket,
" error=",
GetLastError()
);
return;
}
// CSVを開く
int file_handle = FileOpen(
"trade_log.csv",
FILE_CSV |
FILE_READ |
FILE_WRITE |
FILE_ANSI,
','
);
if(file_handle == INVALID_HANDLE)
{
Print(
"trade_log.csvを開けませんでした。error=",
GetLastError()
);
return;
}
// ファイルが空なら見出しを作成
if(FileSize(file_handle) == 0)
{
FileWrite(
file_handle,
"ticket",
"side",
"entry_time",
"exit_time",
"entry_price",
"exit_price",
"lots",
"profit",
"holding_minutes",
"band_condition",
"reverse_condition"
);
}
// ファイル末尾へ移動
FileSeek(
file_handle,
0,
SEEK_END
);
// BUY・SELLを文字列に変換
string side = "UNKNOWN";
if(OrderType() == OP_BUY)
{
side = "BUY";
}
else if(OrderType() == OP_SELL)
{
side = "SELL";
}
// 手数料・スワップを含む損益
double total_profit =
OrderProfit()
+ OrderSwap()
+ OrderCommission();
// 保有時間を分単位で計算
double holding_minutes =
(OrderCloseTime() - OrderOpenTime()) / 60.0;
// CSVへ1行追加
FileWrite(
file_handle,
OrderTicket(),
side,
TimeToString(
OrderOpenTime(),
TIME_DATE | TIME_MINUTES
),
TimeToString(
OrderCloseTime(),
TIME_DATE | TIME_MINUTES
),
DoubleToString(
OrderOpenPrice(),
Digits
),
DoubleToString(
OrderClosePrice(),
Digits
),
DoubleToString(
OrderLots(),
2
),
DoubleToString(
total_profit,
2
),
DoubleToString(
holding_minutes,
1
),
band_flag,
reverse_flag
);
FileClose(file_handle);
Print(
"取引ログを保存しました。ticket=",
ticket
);
}見出しを英語にしているのは、MQL4から出力したCSVをPythonで読み込む際の文字化けを避けるためです。
Python側で後から日本語名に変更できます。
保存先は
trade_log.csvです。
今後は、このCSVをPythonで読み込みます。
Python側の準備
続いてPython側です。まずはCSVを読み込み、分析しやすい形式へ変換します。
今回は分析は行いません。分析できる状態を作ることが目的です。
追加したPythonコードを見る（クリックで開く）
# ==========================================
# Chapter2
# trade_log.csv を分析用へ変換
# ==========================================
import os
import pandas as pd
os.makedirs("results", exist_ok=True)
df = pd.read_csv(
"trade_log.csv",
encoding="utf-8-sig"
)
print(df.head())
print(df.info())
# 日時型へ変換
date_columns = [
"エントリー時間",
"決済時間"
]
for col in date_columns:
df[col] = pd.to_datetime(
df[col],
errors="coerce"
)
# 数値型へ変換
numeric_columns = [
"エントリー価格",
"決済価格",
"損益",
"保有時間"
]
for col in numeric_columns:
df[col] = pd.to_numeric(
df[col],
errors="coerce"
)
print(df.describe())
df.to_csv(
"results/trade_base.csv",
index=False,
encoding="utf-8-sig"
)今回完成したもの
今回で分析基盤が完成しました。
Pythonがいつでも取引履歴を読み込み、分析できるようになりました。
次回は、今回作成した取引履歴に、EUR/USDの価格データを結合します。
ATRやボリンジャーバンド、曜日、時間帯など、「エントリーした瞬間の相場環境」を取引履歴へ追加し、零号機に「相場の記憶」を与えていきます。
コメント