Python ile Backtest: Backtrader & Vectorbt Rehberi

Çoğu yatırımcı, stratejilerinin zaman içinde nasıl performans gösterdiğini tam olarak bilmeden geliştirir. Python'da Backtrader ve Vectorbt gibi araçları kullanarak backtest yapmak, stratejilerinizi geçmiş veriler üzerinde simüle etmenizi sağlar. Bu süreç, gerçek sermayeyi riske atmadan önce potansiyel güçlü ve zayıf yönleri ortaya çıkarabilir.

Backtest Nedir?

Backtest, bir alım satım stratejisinin uygulanabilirliğini ve potansiyel karlılığını belirlemek için geçmiş veriler üzerinde test etme işlemidir. Bunu, alım satım stratejiniz için bir prova olarak düşünün. Gerçek parayı riske atmak yerine, stratejinizin nasıl performans göstereceğini görmek için geçmiş piyasa koşullarını kullanıyorsunuz. Bu, canlı alım satımda kullanmadan önce potansiyel kusurları belirlemenizi ve stratejinizi optimize etmenizi sağlar.

Backtest neden önemlidir? Herhangi bir pazar araştırması yapmadan yeni bir ürün piyasaya sürdüğünüzü hayal edin. Buna talep olup olmadığını veya fiyatlandırmanızın doğru olup olmadığını bilemezsiniz. Benzer şekilde, backtest yapmadan alım satım yapmak kör uçuş gibidir. Şanslı olabilirsiniz, ancak kaza yapma ve yanma olasılığınız çok daha yüksek. Backtest, stratejinizin kazanma oranı, düşüşü ve genel karlılığı hakkında değerli bilgiler sağlayarak, canlı olarak alım satım yapıp yapmama konusunda bilinçli kararlar vermenizi sağlar.

Backtest, yatırımcıların alım satım stratejilerini geçmiş verileri kullanarak değerlendirmelerini sağlar. Pilotlar için bir uçuş simülatörü gibidir, yaklaşımınızı risksiz bir ortamda uygulamanıza ve geliştirmenize olanak tanır. Aşağıdaki gibi kritik soruları yanıtlamanıza yardımcı olur:

• Stratejim ne sıklıkla karlı işlemler üretiyor?
• Yaşamayı bekleyebileceğim maksimum düşüş nedir?
• Stratejim farklı piyasa koşullarında nasıl performans gösteriyor?

Backtest için Neden Python?

Python, çok yönlülüğü, kullanım kolaylığı ve kapsamlı kütüphaneleri nedeniyle birçok yatırımcı ve kantitatif analist için tercih edilen dil haline gelmiştir. Backtest söz konusu olduğunda, Python, işlemleri simüle etme ve sonuçları analiz etme sürecini basitleştiren Backtrader ve Vectorbt gibi güçlü araçlar sunar.

Python'u alım satım laboratuvarınız, Backtrader ve Vectorbt'yi ise temel ekipmanınız olarak düşünün. Bu kütüphaneler, titiz backtestler yapmak ve alım satım stratejilerinizi daha derinlemesine anlamak için ihtiyacınız olan işlevleri ve araçları sağlar.

• Backtrader, alım satım stratejilerini backtest etmek için popüler bir Python çerçevesidir. Stratejileri tanımlamak, işlemleri simüle etmek ve sonuçları analiz etmek için esnek ve sezgisel bir API sunar.
• Vectorbt, alım satım stratejilerini backtest etmek ve analiz etmek için başka bir güçlü Python kütüphanesidir. Hızı ve verimliliği ile bilinir, bu da onu büyük veri kümelerinde karmaşık stratejileri backtest etmek için uygun hale getirir.

Python ile Backtest Nasıl Çalışır?

Python ile backtest yapmanın temel süreci aşağıdaki adımları içerir:

1. Veri Edinimi: Alım satım yapmak istediğiniz varlıklar için geçmiş piyasa verilerini edinin. Bu veriler genellikle açılış, yüksek, düşük, kapanış fiyatlarını ve hacmi içerir.
2. Strateji Tanımı: Alım satım stratejinizi Python kodunda tanımlayın. Bu, teknik göstergelere, fiyat modellerine veya diğer kriterlere göre işlemlere girme ve çıkma kurallarını belirtmeyi içerir.
3. Backtest Simülasyonu: Stratejinizi geçmiş veriler üzerinde simüle etmek için Backtrader veya Vectorbt kullanın. Kütüphane, stratejinizin kurallarına göre işlemleri gerçekleştirecek ve sonuçları izleyecektir.
4. Performans Analizi: Stratejinizin performansını değerlendirmek için backtest sonuçlarını analiz edin. Bu, kazanma oranı, düşüş, kar faktörü ve Sharpe oranı gibi metrikleri hesaplamayı içerir.

Bu adımların her birini daha ayrıntılı olarak inceleyelim.

Veri Edinimi

Backtest sonuçlarınızın kalitesi, büyük ölçüde verilerinizin kalitesine bağlıdır. Saygın bir kaynaktan güvenilir ve doğru geçmiş verileri kullandığınızdan emin olun. Yaygın veri kaynakları şunlardır:

• Aracı Kurum API'leri: Birçok aracı kurum, geçmiş verileri doğrudan indirmenize olanak tanıyan API'ler sunar.
• Finansal Veri Sağlayıcıları: Refinitiv ve Bloomberg gibi şirketler, ücret karşılığında kapsamlı geçmiş veriler sağlar.
• Açık Kaynak Verileri: Bazı web siteleri ve topluluklar ücretsiz geçmiş veriler sunar, ancak doğruluğunu kontrol ettiğinizden emin olun.

Strateji Tanımı

Bu, alım satım fikirlerinizi Python koduna çevirdiğiniz yerdir. İşlemlere girme ve çıkma kurallarının yanı sıra herhangi bir risk yönetimi parametresini de tanımlamanız gerekecektir. Örneğin, 50 günlük hareketli ortalama 200 günlük hareketli ortalamanın üzerine çıktığında Long pozisyon alan ve tersi olduğunda Short pozisyon alan bir strateji tanımlayabilirsiniz.

Backtest Simülasyonu

Backtrader ve Vectorbt, stratejinizi geçmiş veriler üzerinde simüle etmek için ihtiyacınız olan araçları sağlar. Verileri kütüphaneye beslemeniz, stratejinizi belirtmeniz ve simülasyonu çalıştırmanız gerekecektir. Kütüphane daha sonra stratejinizin kurallarına göre işlemleri gerçekleştirecek ve sonuçları izleyecektir.

Performans Analizi

Simülasyon tamamlandıktan sonra, stratejinizin performansını değerlendirmek için sonuçları analiz etmeniz gerekecektir. Bu, aşağıdakiler gibi çeşitli metrikleri hesaplamayı içerir:

• Kazanma Oranı: Karlı sonuçlanan işlemlerin yüzdesi.
• Düşüş: Portföy değerinizdeki maksimum zirveden dibe düşüş.
• Kar Faktörü: Brüt karın brüt zarara oranı.
• Sharpe Oranı: Risk ayarlı getiri ölçüsü.

Python ile Backtest'e Pratik Örnekler

Python'u backtest için nasıl kullanabileceğinize dair iki pratik örneğe bakalım.

Örnek 1: Basit Hareketli Ortalama Kesişimi Stratejisi

Bu örnek, Backtrader kullanarak basit bir hareketli ortalama kesişimi stratejisinin nasıl backtest edileceğini gösterir. Strateji, 50 günlük hareketli ortalama 200 günlük hareketli ortalamanın üzerine çıktığında Long pozisyon alır ve tersi olduğunda Short pozisyon alır.

İlk olarak, Backtrader'ı yüklemeniz gerekir:

pip install backtrader

Ardından, stratejiyi Python kodunda tanımlayabilirsiniz:

import backtrader as bt

class MovingAverageCrossover(bt.Strategy):
 params = (('fast', 50), ('slow', 200),)

 def __init__(self):
 self.fast_ma = bt.indicators.SimpleMovingAverage(self.data.close, period=self.p.fast)
 self.slow_ma = bt.indicators.SimpleMovingAverage(self.data.close, period=self.p.slow)
 self.crossover = bt.indicators.CrossOver(self.fast_ma, self.slow_ma)

 def next(self):
 if not self.position:
 if self.crossover > 0:
 self.buy()
 else:
 if self.crossover < 0:
 self.sell()

Ardından, geçmiş verileri yüklemeniz ve backtest'i çalıştırmanız gerekir:

cerebro = bt.Cerebro()
cerebro.addstrategy(MovingAverageCrossover)
data = bt.feeds.YahooFinanceCSVData(dataname='historical_data.csv')
cerebro.adddata(data)
cerebro.broker.setcash(100000.0)
cerebro.run()
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

Bu kod, hareketli ortalama kesişimi stratejisini geçmiş veriler üzerinde simüle edecek ve nihai portföy değerini yazdıracaktır.

Örnek 2: RSI Tabanlı Aşırı Alım/Satım Stratejisi

Bu örnek, Vectorbt kullanarak RSI tabanlı bir aşırı alım/satım stratejisinin nasıl backtest edileceğini gösterir. Strateji, RSI 30'un altına düştüğünde (aşırı satım) Long pozisyon alır ve RSI 70'in üzerine çıktığında (aşırı alım) Short pozisyon alır.

İlk olarak, Vectorbt'yi yükleyin:

pip install vectorbt

Ardından, stratejiyi tanımlayın ve backtest edin:

import vectorbt as vbt
import numpy as np
import pandas as pd

# Örnek veri (gerçek verilerinizle değiştirin)
data = pd.DataFrame({
 'Close': np.random.rand(100) * 100
})

# RSI'yı hesaplayın
rsi = vbt.RSI.run(data['Close'])

# Giriş ve çıkış koşullarını tanımlayın
entry_long = rsi.rsi < 30
exit_long = rsi.rsi > 70

# Bir portföy oluşturun
pf = vbt.Portfolio.from_signals(data['Close'], entry_long, exit_long)

# Sonuçları yazdırın
print(pf.stats())

Bu kod, RSI'yı hesaplar, aşırı alım ve aşırı satım koşullarını tanımlar ve ardından stratejiyi Vectorbt kullanarak simüle eder. Sonuçlar, toplam getiri, kazanma oranı ve düşüş gibi temel performans metriklerini sağlar.

Backtest Yaparken Sık Yapılan Hatalar

Backtest güçlü bir araç olabilir, ancak yanlış veya yanıltıcı sonuçlara yol açabilecek yaygın hatalardan kaçınmak önemlidir.

• Veri Gözetleme Yanlılığı: Stratejinizi geçmiş verilere göre optimize etmek, stratejinizin geçmiş verilerde iyi performans göstermesine ancak canlı alım satımda kötü performans göstermesine neden olabilecek aşırı uyuma yol açabilir.
• İşlem Maliyetlerini Göz Ardı Etmek: Komisyonları, kaymayı ve diğer işlem maliyetlerini hesaba katmamak, stratejinizin karlılığını önemli ölçüde etkileyebilir.
• Sabit Piyasa Koşulları Varsaymak: Piyasa koşulları zamanla değişir ve geçmişte iyi performans gösteren bir strateji gelecekte iyi performans göstermeyebilir.
• Sonuçları Doğrulamamak: Stratejinizi farklı veri kümelerinde test ederek veya ileriye dönük optimizasyon kullanarak backtest sonuçlarınızı her zaman doğrulayın.

Etkili Backtest için Temel Çıkarımlar

Backtest'ten en iyi şekilde yararlanmak için aşağıdaki ipuçlarını aklınızda bulundurun:

• Yüksek Kaliteli Veri Kullanın: Güvenilir ve doğru geçmiş verileri kullandığınızdan emin olun.
• İşlem Maliyetlerini Hesaba Katın: Simülasyonlarınıza komisyonları, kaymayı ve diğer işlem maliyetlerini dahil edin.
• Sonuçlarınızı Doğrulayın: Stratejinizi farklı veri kümelerinde test edin veya ileriye dönük optimizasyon kullanın.
• Gerçekçi Olun: Backtest sonuçlarınızın gelecekteki performansı mükemmel şekilde tahmin etmesini beklemeyin.

Python ile backtest, stratejilerini geliştirmek ve doğrulamak isteyen herhangi bir yatırımcı için değerli bir beceridir. Bu kılavuzda özetlenen adımları izleyerek ve yaygın hatalardan kaçınarak, stratejilerinizi daha derinlemesine anlayabilir ve daha bilinçli alım satım kararları verebilirsiniz. Unutmayın, backtest gelecekteki başarının garantisi değildir, ancak başarı şansınızı önemli ölçüde artırabilir.