mirror of
https://github.com/manifoldbt/manifoldbt.git
synced 2026-08-24 22:48:05 +00:00
207 lines
11 KiB
Python
207 lines
11 KiB
Python
"""Créer ses propres indicateurs (indicateurs absents de la base).
|
||
|
||
python examples/19_custom_indicators.py
|
||
|
||
────────────────────────────────────────────────────────────────────────────
|
||
LE MODÈLE MENTAL
|
||
────────────────────────────────────────────────────────────────────────────
|
||
Un indicateur, ici, n'est RIEN d'autre qu'une fonction Python qui renvoie un
|
||
`Expr`. Un `Expr` est un *nœud dans un graphe de calcul* : quand vous écrivez
|
||
`(high + low) / 2`, aucune donnée n'est touchée — vous décrivez une opération.
|
||
Le graphe complet est ensuite compilé et évalué **en Rust**, en une passe,
|
||
vectorisé. C'est pour ça que vos indicateurs maison tournent à la vitesse des
|
||
indicateurs natifs : ils finissent dans le même moteur.
|
||
|
||
Toute la lib `manifoldbt.indicators` est écrite comme ça (`sma` ==
|
||
`source.rolling_mean(period)`). Donc « ajouter un indicateur » = « écrire une
|
||
fonction qui compose des `Expr` ». Trois niveaux, du plus simple au plus rare.
|
||
"""
|
||
|
||
import os
|
||
from time import perf_counter
|
||
|
||
import manifoldbt as mbt
|
||
# Colonnes de base (ce sont déjà des Expr) + quelques helpers.
|
||
from manifoldbt.indicators import open, high, low, close, volume, sma, rsi, ema
|
||
# Briques bas niveau : lit (constante), col (colonne par nom), when (if/else),
|
||
# scan/s (état récursif), param (paramètre balayable).
|
||
from manifoldbt.expr import lit, col, when, scan, s, param
|
||
from manifoldbt.helpers import time_range, Slippage, Interval
|
||
|
||
|
||
# ═══════════════════════════════════════════════════════════════════════════
|
||
# NIVEAU 1 — COMPOSER LES PRIMITIVES (99 % des cas)
|
||
# ═══════════════════════════════════════════════════════════════════════════
|
||
# On combine colonnes + opérateurs (+ - * /, > < >= & | ~) + méthodes d'Expr
|
||
# (rolling_mean/std/min/max/median, ewm_mean, zscore, pct_change, diff, lag,
|
||
# rsi, linreg_*, cross_above/below, cumsum, rank, ...). Chaque appel renvoie
|
||
# un Expr, donc tout se chaîne.
|
||
|
||
def awesome_oscillator(fast=5, slow=34):
|
||
"""Awesome Oscillator (Bill Williams) — ABSENT de la base.
|
||
|
||
AO = SMA(prix médian, 5) − SMA(prix médian, 34), prix médian = (H+L)/2
|
||
|
||
Momentum : positif = pression acheteuse, négatif = vendeuse.
|
||
"""
|
||
median_price = (high + low) / 2 # Expr : opération sur 2 colonnes
|
||
return sma(median_price, fast) - sma(median_price, slow) # Expr résultat
|
||
|
||
|
||
def dist_to_ma_pct(period=20):
|
||
"""Écart en % du prix à sa moyenne mobile — ABSENT de la base.
|
||
|
||
Négatif = le prix est SOUS sa moyenne (survendu) → brique idéale pour du
|
||
retour à la moyenne. Une seule ligne de composition.
|
||
"""
|
||
ma = sma(close, period)
|
||
return (close - ma) / ma * 100.0
|
||
|
||
|
||
def intraday_range_pct():
|
||
"""Amplitude de la bougie en % du close — ABSENT de la base.
|
||
|
||
Un proxy de volatilité instantané. Montre qu'on mélange librement les
|
||
colonnes OHLC.
|
||
"""
|
||
return (high - low) / close * 100.0
|
||
|
||
|
||
def rsi_zscore(period=14, lookback=365):
|
||
"""RSI standardisé : à quel point le RSI est extrême vs SA PROPRE histoire.
|
||
|
||
Compose un indicateur natif (rsi) avec des stats roulantes. C'est
|
||
exactement le motif utilisé dans strategies/rsi_dynamic_alloc.py.
|
||
"""
|
||
r = rsi(close, period)
|
||
return (r - r.rolling_mean(lookback)) / r.rolling_std(lookback)
|
||
|
||
|
||
# ═══════════════════════════════════════════════════════════════════════════
|
||
# NIVEAU 2 — `scan` : INDICATEURS À ÉTAT / RÉCURSIFS
|
||
# ═══════════════════════════════════════════════════════════════════════════
|
||
# Quand la valeur d'aujourd'hui dépend de celle d'HIER (récursion) et qu'aucun
|
||
# rolling ne suffit, on utilise `scan`. Il tourne comme une petite VM scalaire,
|
||
# entièrement en Rust (pas de callback Python par barre).
|
||
#
|
||
# scan(state=..., update=..., output=...)
|
||
# • state : variables d'état + leur valeur initiale (1re ligne)
|
||
# • update : expressions évaluées à chaque barre, DANS L'ORDRE
|
||
# - s.prev("x") = valeur de "x" à la barre précédente
|
||
# - s.var("k") = valeur calculée plus tôt DANS LE MÊME pas
|
||
# - si un nom d'update == un nom d'état, on réécrit cet état
|
||
# • output : quelle variable émettre comme résultat
|
||
#
|
||
# Preuve que c'est puissant : le Kalman et le GARCH livrés sont écrits
|
||
# UNIQUEMENT avec scan (voir manifoldbt/indicators.py).
|
||
|
||
def up_streak():
|
||
"""Nombre de bougies HAUSSIÈRES consécutives — ABSENT de la base, et
|
||
impossible avec un simple rolling (il faut un compteur qui se réinitialise).
|
||
|
||
streak = streak_précédent + 1 si close > close(-1), sinon 0
|
||
"""
|
||
is_up = close > close.lag(1) # Expr booléen (1.0 / 0.0) par barre
|
||
return scan(
|
||
state={"n": lit(0.0)}, # compteur initialisé à 0
|
||
update={
|
||
# if is_up: prev(n) + 1 else: 0
|
||
"n": when(is_up, s.prev("n") + lit(1.0), lit(0.0)),
|
||
},
|
||
output="n",
|
||
)
|
||
|
||
|
||
def ema_from_scratch(alpha=0.1):
|
||
"""EMA « à la main » via scan — juste pour illustrer le mécanisme.
|
||
(L'EMA existe en natif : `ema(close, span)`. Ici c'est pédagogique.)
|
||
|
||
ema = alpha * close + (1 - alpha) * ema_précédent
|
||
"""
|
||
return scan(
|
||
state={"ema": close}, # graine = 1er close
|
||
update={"ema": lit(alpha) * close + lit(1.0 - alpha) * s.prev("ema")},
|
||
output="ema",
|
||
)
|
||
|
||
|
||
# ═══════════════════════════════════════════════════════════════════════════
|
||
# NIVEAU 3 — LES LIMITES (À CONNAÎTRE)
|
||
# ═══════════════════════════════════════════════════════════════════════════
|
||
# • PAS de callback Python par barre : `scan` s'exécute en Rust, on ne peut pas
|
||
# y injecter une fonction Python appelée sur chaque bougie (ce serait lent).
|
||
# Tant que la logique s'exprime avec Expr + when + scan, ça passe.
|
||
# • Un indicateur VRAIMENT nouveau, non exprimable ainsi, demande d'ajouter un
|
||
# variant `Expr` + son kernel côté Rust — chemin contributeur, pas utilisateur.
|
||
# • Données externes (hashrate, funding, sentiment…) : `mbt.register_exo(...)`
|
||
# puis `exo("nom")` renvoie un Expr utilisable comme n'importe quelle colonne.
|
||
|
||
|
||
# ═══════════════════════════════════════════════════════════════════════════
|
||
# BONUS — RENDRE SON INDICATEUR BALAYABLE (sweep)
|
||
# ═══════════════════════════════════════════════════════════════════════════
|
||
# Les périodes acceptent `param(...)` à la place d'un entier. Le moteur
|
||
# recompile alors une fois par combinaison et balaie la grille en parallèle,
|
||
# sans changer une ligne de l'indicateur :
|
||
#
|
||
# ao = awesome_oscillator(fast=param("fast"), slow=param("slow"))
|
||
# # puis, avec la grille passée séparément (l'indicateur ne change pas) :
|
||
# # batch = mbt.run_sweep_lite(
|
||
# # strategy,
|
||
# # {"fast": [3, 5, 8], "slow": [21, 34, 55]},
|
||
# # config, store,
|
||
# # )
|
||
#
|
||
# (voir examples/08_sweep_2d_heatmap.py pour le sweep complet.)
|
||
|
||
|
||
# ═══════════════════════════════════════════════════════════════════════════
|
||
# METTRE UN INDICATEUR MAISON DANS UNE STRATÉGIE + BACKTEST
|
||
# ═══════════════════════════════════════════════════════════════════════════
|
||
# On utilise `dist_to_ma_pct` (retour à la moyenne) : long quand le prix est
|
||
# nettement sous sa moyenne, on sort quand il l'a rejointe.
|
||
|
||
dist = dist_to_ma_pct(period=48) # notre indicateur maison
|
||
streak = up_streak() # et un second, pour l'exposer aussi
|
||
|
||
signal = when(dist < -5.0, 1.0, # >5 % sous la MM → achat du creux
|
||
when(dist > 0.0, 0.0)) # revenu à la MM → sortie, sinon hold
|
||
|
||
strategy = (
|
||
mbt.Strategy.create("custom_indicator_demo")
|
||
.signal("dist_to_ma_%", dist) # .signal() = exposer pour le rapport
|
||
.signal("up_streak", streak)
|
||
.size(signal)
|
||
.describe("Retour à la moyenne piloté par un indicateur maison (écart à la MM)")
|
||
)
|
||
|
||
# -- Config -------------------------------------------------------------------
|
||
start, end = time_range("2021-01-01", "2026-01-01")
|
||
|
||
config = mbt.BacktestConfig(
|
||
universe={"binance": ["BTC-USDT:perp"]},
|
||
time_range_start=start,
|
||
time_range_end=end,
|
||
bar_interval=Interval.hours(1),
|
||
initial_capital=10_000,
|
||
execution=mbt.ExecutionConfig(allow_short=False, max_position_pct=1.0),
|
||
fees=mbt.FeeConfig.zero(), # sans frais, pour l'exemple
|
||
slippage=Slippage.fixed_bps(2),
|
||
warmup_bars=60, # >= la plus longue fenêtre utilisée
|
||
)
|
||
|
||
# -- Run ----------------------------------------------------------------------
|
||
if __name__ == "__main__":
|
||
root = os.path.join(os.path.dirname(__file__), "..")
|
||
data_root = os.path.abspath(os.path.join(root, "data"))
|
||
store = mbt.DataStore(
|
||
data_root=data_root,
|
||
metadata_db=os.path.abspath(os.path.join(root, "metadata", "metadata.sqlite")),
|
||
arrow_dir=os.path.join(data_root, "mega"),
|
||
)
|
||
|
||
t0 = perf_counter()
|
||
result = mbt.run(strategy, config, store)
|
||
print(result.summary())
|
||
print(f"\nElapsed: {perf_counter() - t0:.2f}s")
|