🔬【検証】ゴトー日にトレーリングストップは有効か？30パターン徹底検証した結果

価格が有利な方向に動く → ストップも追従して移動
価格が不利な方向に動く → ストップはそのまま
→ 利益を伸ばしつつ、利確のタイミングを自動化！

1. 9:00にドル円ロング
2. 発動タイミングまでは初期SL（トレール幅）で待機
3. 発動後は最高値からトレール幅でストップを追従
4. トレーリングストップにかかるまでホールド（最大15:00まで）

📈 通貨ペア: USDJPY
⏰ 時間足: 1分足
📅 データ: 約1.5年分（500,000本）
🎯 トレード数: 96回
⏰ エントリー: 9:00 JST
💰 決済: トレーリングストップ発動 or 15:00強制決済

典型的な動き:
9:00 → 一時的に5pips下落
     → その後15pips上昇
     → 9:55に+10pipsで着地

9:00発動トレーリングストップ（5pips）:
→ 最初の5pips下落で即死！ 💀
→ その後の15pips上昇は見れない...

9:55発動の意味:
= 「9:55時点で利益が出てたら、その後も追いかける」
= 「9:55時点で損失なら、そのまま持つ（回復期待）」

実質的には:
→ 9:55で利確タイミングを判断
→ 利益出てたら「もう少し伸ばしてみる」
→ トレーリングストップで保険をかける

ベースライン:
勝ち: 50回 × 平均+3pips = +150pips
負け: 46回 × 平均-4pips = -180pips
合計: -30pips（勝率52%でもマイナス）

トレーリングストップ（9:55+5pips）:
勝ち: 21回 × 平均+10pips = +210pips
負け: 75回 × 平均-1.7pips = -128pips
合計: +82pips（勝率22%でもプラス）

【期待していたこと】
「利益を伸ばしながら、自動で利確」

【現実】
「ノイズで早期決済され、利益を逃す」
「唯一有効なのは『ほぼ時間決済と同じ使い方』」

# 9:00エントリー → 9:55決済
# シンプルイズベスト
entry_long()
exit_at(9, 55)

# 9:55まで待ってから発動
# トレール幅は最小（5pips）
if current_time >= 9:55:
    activate_trailing_stop(trail_pips=5)

# 25日は強いトレンドが出やすい
# トレーリングストップより「SL/TPなしで伸ばす」が有効
if day == 25:
    entry_long(sl=None, tp=None)
    exit_at(9, 55)

"""
ゴトー日 × トレーリングストップ検証

検証内容:
- 発動タイミング: 9:00, 9:30, 9:55
- トレール幅: 5〜50pips
- 時間決済なし（トレーリングストップ or 15:00強制決済）
"""

import MetaTrader5 as mt5
import pandas as pd
import numpy as np
from datetime import datetime, timedelta


def simulate_trailing_stop(df_day, entry_time, entry_price,
                           activation_time, trail_pips, max_exit_time):
    """
    トレーリングストップをシミュレーション
    """
    trail_distance = trail_pips / 100

    # トレード期間のデータ
    mask = (df_day.index >= entry_time) & (df_day.index <= max_exit_time)
    trade_period = df_day[mask]

    if len(trade_period) == 0:
        return None, None

    # 発動前: 初期SLで待機
    pre_activation = trade_period[trade_period.index < activation_time]
    initial_stop = entry_price - trail_distance

    for idx, row in pre_activation.iterrows():
        if row['low'] <= initial_stop:
            return initial_stop, 'initial_sl'

    # 発動後: トレーリング開始
    post_activation = trade_period[trade_period.index >= activation_time]

    if len(post_activation) == 0:
        return trade_period.iloc[-1]['close'], 'time'

    # 発動時点までの最高値
    if len(pre_activation) > 0:
        highest_price = max(pre_activation['high'].max(), entry_price)
    else:
        highest_price = entry_price

    trailing_stop = highest_price - trail_distance

    for idx, row in post_activation.iterrows():
        # 最高値更新 → ストップも追従
        if row['high'] > highest_price:
            highest_price = row['high']
            trailing_stop = highest_price - trail_distance

        # トレーリングストップに到達
        if row['low'] <= trailing_stop:
            return trailing_stop, 'trail'

    # 強制決済
    return post_activation.iloc[-1]['close'], 'time'


def run_simulation(df, gotobi_dates, activation_hour, activation_minute, trail_pips):
    """特定の設定でシミュレーション"""
    results = []

    for date in gotobi_dates:
        day_data = df[df['date'] == date]

        entry_time = datetime.combine(date, datetime.min.time().replace(hour=9, minute=0))
        activation_time = datetime.combine(date, datetime.min.time().replace(
            hour=activation_hour, minute=activation_minute))
        max_exit_time = datetime.combine(date, datetime.min.time().replace(hour=15, minute=0))

        # エントリー価格
        entry_mask = (day_data.index >= entry_time - timedelta(minutes=1)) & \
                     (day_data.index <= entry_time + timedelta(minutes=1))
        entry_data = day_data[entry_mask]

        if len(entry_data) == 0:
            continue

        entry_price = entry_data.iloc[0]['close']

        # シミュレーション
        exit_price, exit_type = simulate_trailing_stop(
            day_data, entry_time, entry_price, activation_time, trail_pips, max_exit_time
        )

        if exit_price is None:
            continue

        pips = (exit_price - entry_price) * 100
        results.append({'pips': pips, 'exit_type': exit_type})

    if len(results) == 0:
        return None

    results_df = pd.DataFrame(results)
    wins = (results_df['pips'] > 0).sum()

    return {
        'activation_time': f"{activation_hour:02d}:{activation_minute:02d}",
        'trail_pips': trail_pips,
        'trades': len(results_df),
        'win_rate': wins / len(results_df) * 100,
        'avg_pips': results_df['pips'].mean(),
        'trail_hit_rate': (results_df['exit_type'] == 'trail').sum() / len(results_df) * 100,
    }


# 使い方:
# 1. MT5からデータ取得
# 2. gotobi_dates = extract_gotobi_days(df)
# 3. result = run_simulation(df, gotobi_dates, 9, 55, 5)  # 9:55発動, 5pipsトレール

# 発動前: 初期SLで待機
# 発動後: トレーリング開始

if row['high'] > highest_price:
    highest_price = row['high']
    trailing_stop = highest_price - trail_distance

'trail': トレーリングストップ発動
'initial_sl': 発動前に初期SL到達
'time': 強制決済（15:00）