カスタムデータの統合
カスタムデータをフィードデータ（オーダーブックとトレード）と組み合わせることで、hftbacktestのフルポテンシャルを活用しながら戦略を強化できます。
スポット価格へのアクセス
この例では、スポットBTCUSDTのミッドプライスとUSDM-Futures BTCUSDTのフィードデータを組み合わせます。これにより、基礎価格を考慮した公正価格を推定できるようになります。
スポットデータはローカル側でのみ使用されるため、ローカルタイムスタンプが付いている必要があります。次に、バックテストロジックでは、現在のタイムスタンプより前の最新のデータを特定することが課題となります。
生のスポットフィードを処理して、ローカルタイムスタンプとスポットミッドプライスを含むスポットデータを作成します。
[ ]:
import gzip
import json
import numpy as np
import numpy as np
import numpy as np
import numpy as np
spot = np.full((100_000, 2), np.nan, np.float64)
i = 0
with gzip.open("spot/btcusdt_20240809.gz", "r") as f:
while True:
line = f.readline()
if line is None or line == b"":
break
line = line.decode().strip()
local_timestamp = int(line[:19])
obj = json.loads(line[20:])
if obj["stream"] == "btcusdt@bookTicker":
data = obj["data"]
mid = (float(data["b"]) + float(data["a"])) / 2.0
spot[i] = [local_timestamp, mid]
i += 1
spot = spot[:i]
現在のタイムスタンプより前の最新のポイントインタイムデータを特定する際に、基差とスポットミッドプライスを表示します。
[ ]:
from numba import njit
from hftbacktest import BacktestAsset, HashMapMarketDepthBacktest
out_dtype = np.dtype(
[("timestamp", "i8"), ("mid_price", "f8"), ("spot_mid_price", "f8")]
)
@njit
def print_basis(hbt, spot):
out = np.empty(1_000_000, out_dtype)
t = 0
spot_row = 0
# Checks every 60-sec (in nanoseconds)
while hbt.elapse(1_000_000_000) == 0:
# Finds the latest spot mid value.
while spot_row < len(spot) and spot[spot_row, 0] <= hbt.current_timestamp:
spot_row += 1
spot_mid_price = spot[spot_row - 1, 1] if spot_row > 0 else np.nan
depth = hbt.depth(0)
mid_price = (depth.best_bid + depth.best_ask) / 2.0
basis = mid_price - spot_mid_price
if t % 10 == 0:
print(
"current_timestamp:",
hbt.current_timestamp,
"futures_mid:",
round(mid_price, 2),
", spot_mid:",
round(spot_mid_price, 2),
", basis:",
round(basis, 2),
)
out[t].timestamp = hbt.current_timestamp
out[t].mid_price = mid_price
out[t].spot_mid_price = spot_mid_price
t += 1
return out[:t]
asset = (
BacktestAsset()
.data(["usdm/btcusdt_20240809.npz"])
.initial_snapshot("usdm/btcusdt_20240808_eod.npz")
.linear_asset(1.0)
.constant_latency(10_000_000, 10_000_000)
.risk_adverse_queue_model()
.no_partial_fill_exchange()
.trading_value_fee_model(0.0002, 0.0007)
.tick_size(0.1)
.lot_size(0.001)
)
hbt = HashMapMarketDepthBacktest([asset])
out = print_basis(hbt, spot)
_ = hbt.close()
current_timestamp: 1723161602500000000 futures_mid: 61659.85 , spot_mid: 61688.0 , basis: -28.14
current_timestamp: 1723161612500000000 futures_mid: 61713.95 , spot_mid: 61727.8 , basis: -13.85
current_timestamp: 1723161622500000000 futures_mid: 61713.45 , spot_mid: 61728.94 , basis: -15.5
current_timestamp: 1723161632500000000 futures_mid: 61666.05 , spot_mid: 61690.08 , basis: -24.02
current_timestamp: 1723161642500000000 futures_mid: 61638.45 , spot_mid: 61661.5 , basis: -23.06
current_timestamp: 1723161652500000000 futures_mid: 61632.05 , spot_mid: 61663.98 , basis: -31.93
current_timestamp: 1723161662500000000 futures_mid: 61578.15 , spot_mid: 61600.0 , basis: -21.85
current_timestamp: 1723161672500000000 futures_mid: 61524.25 , spot_mid: 61562.0 , basis: -37.74
current_timestamp: 1723161682500000000 futures_mid: 61552.45 , spot_mid: 61570.0 , basis: -17.54
current_timestamp: 1723161692500000000 futures_mid: 61593.05 , spot_mid: 61606.0 , basis: -12.96
current_timestamp: 1723161702500000000 futures_mid: 61587.45 , spot_mid: 61608.0 , basis: -20.54
current_timestamp: 1723161712500000000 futures_mid: 61561.15 , spot_mid: 61589.88 , basis: -28.73
current_timestamp: 1723161722500000000 futures_mid: 61589.95 , spot_mid: 61614.08 , basis: -24.14
current_timestamp: 1723161732500000000 futures_mid: 61608.95 , spot_mid: 61632.13 , basis: -23.18
current_timestamp: 1723161742500000000 futures_mid: 61653.45 , spot_mid: 61681.74 , basis: -28.29
current_timestamp: 1723161752500000000 futures_mid: 61673.45 , spot_mid: 61700.0 , basis: -26.54
current_timestamp: 1723161762500000000 futures_mid: 61663.95 , spot_mid: 61683.84 , basis: -19.89
current_timestamp: 1723161772500000000 futures_mid: 61640.85 , spot_mid: 61664.0 , basis: -23.15
current_timestamp: 1723161782500000000 futures_mid: 61634.15 , spot_mid: 61654.0 , basis: -19.85
current_timestamp: 1723161792500000000 futures_mid: 61618.05 , spot_mid: 61666.0 , basis: -47.94
current_timestamp: 1723161802500000000 futures_mid: 61626.65 , spot_mid: 61648.34 , basis: -21.69
current_timestamp: 1723161812500000000 futures_mid: 61586.25 , spot_mid: 61612.0 , basis: -25.74
current_timestamp: 1723161822500000000 futures_mid: 61624.65 , spot_mid: 61649.98 , basis: -25.33
current_timestamp: 1723161832500000000 futures_mid: 61611.55 , spot_mid: 61644.0 , basis: -32.46
current_timestamp: 1723161842500000000 futures_mid: 61633.95 , spot_mid: 61658.4 , basis: -24.46
current_timestamp: 1723161852500000000 futures_mid: 61635.95 , spot_mid: 61656.02 , basis: -20.07
current_timestamp: 1723161862500000000 futures_mid: 61671.45 , spot_mid: 61689.92 , basis: -18.47
current_timestamp: 1723161872500000000 futures_mid: 61651.55 , spot_mid: 61664.0 , basis: -12.46
current_timestamp: 1723161882500000000 futures_mid: 61614.15 , spot_mid: 61640.0 , basis: -25.84
current_timestamp: 1723161892500000000 futures_mid: 61605.95 , spot_mid: 61622.12 , basis: -16.18
current_timestamp: 1723161902500000000 futures_mid: 61583.95 , spot_mid: 61607.98 , basis: -24.04
[ ]:
import holoviews as hv
import polars as pl
df = pl.DataFrame(out).with_columns(
pl.from_epoch("timestamp", time_unit="ns").alias("timestamp")
)
hv.extension("bokeh")
df.plot(x="timestamp")
これは短期間のサンプルですが、基差が平均回帰していることがわかります。特にリベートやゼロ手数料の対象となる場合、統計的裁定取引の機会があるかもしれません。
[ ]:
((df["mid_price"] - df["spot_mid_price"]) / df["mid_price"] * 10000).alias(
"basis bp"
).plot(x="timestamp")