First Commit

optimizer.py

@@ -0,0 +1,73 @@
+import os
+import pandas as pd
+import pandas_ta as ta
+from dotenv import load_dotenv
+from datetime import datetime, timedelta
+
+from backtesting import Backtest, Strategy
+from backtesting.lib import crossover
+from alpaca.data.historical import StockHistoricalDataClient
+from alpaca.data.requests import StockBarsRequest
+from alpaca.data.timeframe import TimeFrame
+
+# --- 1. DATEN HOLEN ---
+load_dotenv()
+API_KEY = os.getenv('ALPACA_API_KEY')
+SECRET_KEY = os.getenv('ALPACA_SECRET_KEY')
+
+def get_data(symbol, days=365):
+    client = StockHistoricalDataClient(API_KEY, SECRET_KEY)
+    start_date = datetime.now() - timedelta(days=days)
+    request_params = StockBarsRequest(symbol_or_symbols=[symbol], timeframe=TimeFrame.Day, start=start_date)
+    df = client.get_stock_bars(request_params).df
+    df = df.reset_index(level=0, drop=True)
+    df.columns = [c.capitalize() for c in df.columns]
+    df.index = df.index.tz_localize(None)
+    return df
+
+# --- 2. STRATEGIE MIT OPTIMIERBAREN PARAMETERN ---
+class RsiStrategy(Strategy):
+    # Diese Klassenvariablen werden von der Optimize-Funktion überschrieben
+    rsi_period = 14
+    rsi_lower = 30
+    rsi_upper = 70
+
+    def init(self):
+        # Wichtig: Wir übergeben die Parameter an pandas_ta
+        self.rsi = self.I(ta.rsi, pd.Series(self.data.Close), length=self.rsi_period)
+
+    def next(self):
+        if crossover(self.rsi, self.rsi_lower):
+            self.buy()
+        elif crossover(self.rsi_upper, self.rsi):
+            if self.position:
+                self.position.close()
+
+# --- 3. OPTIMIERUNGS-ENGINE ---
+def run_optimized_backtest(symbol):
+    data = get_data(symbol)
+    bt = Backtest(data, RsiStrategy, cash=10000, commission=0.001)
+
+    print(f"--- Starte Optimierung für {symbol} ---")
+    
+    # Hier passiert die Magie:
+    stats = bt.optimize(
+        rsi_period=range(7, 30, 2),      # Teste Perioden von 7 bis 29 in 2er Schritten
+        rsi_lower=range(20, 40, 5),      # Teste Kaufsignale von 20 bis 35
+        rsi_upper=range(60, 80, 5),      # Teste Verkaufsignale von 60 bis 75
+        maximize='Return [%]',           # Wir wollen den höchsten Gewinn (oder 'Sharpe Ratio')
+        constraint=lambda p: p.rsi_upper > p.rsi_lower # Logik-Check
+    )
+
+    print("\n--- BESTE PARAMETER GEFUNDEN ---")
+    print(stats)
+    print("\nDetails der besten Strategie:")
+    print(f"RSI Periode: {stats._strategy.rsi_period}")
+    print(f"RSI Untergrenze: {stats._strategy.rsi_lower}")
+    print(f"RSI Obergrenze: {stats._strategy.rsi_upper}")
+
+    # Speichere den Chart der besten Strategie
+    bt.plot(filename=f"optimized_report_{symbol}.html", open_browser=False)
+
+if __name__ == "__main__":
+    run_optimized_backtest("AAPL")