backtesting-trading-strategies

Backtest crypto and traditional trading strategies against historical data.\nCalculates performance metrics (Sharpe, Sortino, max drawdown), generates equity curves,\nand optimizes strategy parameters. Use when user wants to test a trading strategy,\nvalidate signals, or compare approaches.\nTrigger with phrases like \

1. Zainstaluj wymagane biblioteki Python: pandas, numpy, yfinance i matplotlib. Uruchom polecenie pip install pandas numpy yfinance matplotlib. Opcjonalnie dodaj zaawansowane funkcje instalując ta-lib, scipy i scikit-learn.

2. Pobierz dane historyczne dla wybranego instrumentu. Użyj skryptu fetch_data.py z parametrami: symbol (np. BTC-USD), okres (np. 2y dla 2 lat) i interwał (np. 1d dla danych dziennych). Dane zostaną zapisane w cache do ponownego użytku.

3. Uruchom podstawowy backtest wybraną strategią. Polecenie backtest.py wymaga podania strategii (sma_crossover, rsi_reversal, macd_signal itp.), symbolu instrumentu i okresu testowania. Narzędzie automatycznie pobierze dane i przeprowadzi symulację.

4. Przeanalizuj wyniki backtesту, które obejmują metryki wydajności (Sharpe, Sortino, Calmar, VaR, maksymalne spadki), wizualizację krzywej kapitału i szczegółową analizę każdej transakcji.

5. Opcjonalnie zoptymalizuj parametry strategii używając grid search. Narzędzie przetestuje różne kombinacje parametrów i wskaże konfigurację o najlepszych wynikach historycznych.

6. Porównaj wyniki różnych strategii na tym samym instrumencie i okresie, aby wybrać podejście najlepiej dopasowane do Twoich celów handlowych.