🎯【衝撃】トレンドフォローは勝てる！1万本のデータが暴いた「勝率58%の秘密」

- Python 3.11
- MetaTrader5 (MT5)
- pandas, numpy, matplotlib, scipy
- 通貨ペア: USDJPY
- 時間足: 5分足
- データ期間: 約35日分（10,000本）
- 短期MA: 5期間
- 長期MA: 20期間

"""
トレンドフォロー（移動平均線クロス）の検証
シグナル発生後の値幅分布を分析
"""

import MetaTrader5 as mt5
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
from datetime import datetime

# ===== 設定 =====
SYMBOL = "USDJPY"
TIMEFRAME = mt5.TIMEFRAME_M5  # 5分足
NUM_BARS = 10000  # 取得する足の数
FAST_MA = 5       # 短期MA期間
SLOW_MA = 20      # 長期MA期間

# 分析する時間枠（分） - 5分足なので5の倍数
TIME_HORIZONS = [5, 15, 30, 60, 120]


def initialize_mt5():
    """MT5を初期化"""
    if not mt5.initialize():
        print("MT5の初期化に失敗")
        return False
    print(f"MT5バージョン: {mt5.version()}")
    return True


def get_ohlc_data(symbol, timeframe, num_bars):
    """OHLCデータを取得"""
    rates = mt5.copy_rates_from_pos(symbol, timeframe, 0, num_bars)
    if rates is None:
        print("データ取得失敗")
        return None

    df = pd.DataFrame(rates)
    df['time'] = pd.to_datetime(df['time'], unit='s')
    df.set_index('time', inplace=True)
    print(f"取得データ: {len(df)}本 ({df.index[0]} 〜 {df.index[-1]})")
    return df


def calculate_ma_cross_signals(df, fast_period, slow_period):
    """移動平均線クロスのシグナルを検出"""
    # 移動平均を計算
    df['fast_ma'] = df['close'].rolling(window=fast_period).mean()
    df['slow_ma'] = df['close'].rolling(window=slow_period).mean()

    # クロスを検出
    df['ma_diff'] = df['fast_ma'] - df['slow_ma']
    df['ma_diff_prev'] = df['ma_diff'].shift(1)

    # ゴールデンクロス: 短期MAが長期MAを下から上に抜ける
    df['golden_cross'] = (df['ma_diff_prev'] < 0) & (df['ma_diff'] >= 0)

    # デッドクロス: 短期MAが長期MAを上から下に抜ける
    df['dead_cross'] = (df['ma_diff_prev'] > 0) & (df['ma_diff'] <= 0)

    golden_count = df['golden_cross'].sum()
    dead_count = df['dead_cross'].sum()
    print(f"ゴールデンクロス検出: {golden_count}回")
    print(f"デッドクロス検出: {dead_count}回")

    return df


def calculate_future_returns(df, horizons_minutes, timeframe_minutes=5):
    """シグナル発生後のリターンを計算"""
    for minutes in horizons_minutes:
        bars_ahead = minutes // timeframe_minutes
        if bars_ahead < 1:
            bars_ahead = 1

        # 未来の価格との差分（pips換算）
        future_close = df['close'].shift(-bars_ahead)
        df[f'return_{minutes}m'] = (future_close - df['close']) * 100  # pips

    return df


def analyze_signal_returns(df, signal_col, horizons, signal_name):
    """シグナル発生後のリターン分布を分析"""
    signal_df = df[df[signal_col] == True].copy()

    if len(signal_df) < 10:
        print(f"{signal_name}: サンプル数不足 ({len(signal_df)})")
        return None

    results = {}
    for minutes in horizons:
        col = f'return_{minutes}m'
        returns = signal_df[col].dropna()

        if len(returns) < 10:
            continue

        results[minutes] = {
            'mean': returns.mean(),
            'std': returns.std(),
            'median': returns.median(),
            'count': len(returns),
            'positive_rate': (returns > 0).mean() * 100,
            'skewness': stats.skew(returns),
            'kurtosis': stats.kurtosis(returns),
            'data': returns.values
        }

    return results


def plot_distribution(results, signal_name, direction=1):
    """
    リターン分布をヒストグラムで可視化
    direction: 1=買いシグナル, -1=売りシグナル
    """
    fig, axes = plt.subplots(1, len(results), figsize=(15, 4))

    if len(results) == 1:
        axes = [axes]

    for ax, (minutes, data) in zip(axes, results.items()):
        returns = data['data'] * direction  # 売りシグナルは符号反転

        # ヒストグラム
        ax.hist(returns, bins=30, density=True, alpha=0.7, color='steelblue', edgecolor='black')

        # 正規分布をフィット
        mu, std = stats.norm.fit(returns)
        x = np.linspace(returns.min(), returns.max(), 100)
        ax.plot(x, stats.norm.pdf(x, mu, std), 'r-', lw=2, label=f'正規分布 (μ={mu:.2f})')

        # 0のライン
        ax.axvline(x=0, color='gray', linestyle='--', alpha=0.5)

        # 平均のライン
        ax.axvline(x=returns.mean(), color='green', linestyle='-', lw=2,
                   label=f'平均: {returns.mean():.2f}pips')

        ax.set_title(f'{minutes}分後\n(n={data["count"]}, 勝率{data["positive_rate"]:.1f}%)')
        ax.set_xlabel('リターン (pips)')
        ax.set_ylabel('密度')
        ax.legend(fontsize=8)

    plt.suptitle(f'{signal_name}後のリターン分布', fontsize=14, fontweight='bold')
    plt.tight_layout()
    return fig


def print_statistics(results, signal_name):
    """統計情報を表示"""
    print(f"\n{'='*60}")
    print(f"📊 {signal_name}の統計分析")
    print(f"{'='*60}")

    for minutes, data in results.items():
        print(f"\n【{minutes}分後】")
        print(f"  サンプル数: {data['count']}")
        print(f"  平均リターン: {data['mean']:.2f} pips")
        print(f"  中央値: {data['median']:.2f} pips")
        print(f"  標準偏差: {data['std']:.2f} pips")
        print(f"  勝率（プラス率）: {data['positive_rate']:.1f}%")
        print(f"  歪度: {data['skewness']:.3f}")
        print(f"  尖度: {data['kurtosis']:.3f}")

        # 歪度の解釈
        if abs(data['skewness']) < 0.5:
            skew_desc = "ほぼ対称（正規分布に近い）"
        elif data['skewness'] > 0.5:
            skew_desc = "右に歪み（大きな利益が出やすい）"
        else:
            skew_desc = "左に歪み（大きな損失が出やすい）"
        print(f"  → {skew_desc}")


def main():
    """メイン処理"""
    # MT5初期化
    if not initialize_mt5():
        return

    try:
        # データ取得
        df = get_ohlc_data(SYMBOL, TIMEFRAME, NUM_BARS)
        if df is None:
            return

        # MAクロスシグナル検出
        df = calculate_ma_cross_signals(df, FAST_MA, SLOW_MA)

        # 将来リターン計算
        df = calculate_future_returns(df, TIME_HORIZONS)

        # ===== ゴールデンクロス分析 =====
        golden_results = analyze_signal_returns(
            df, 'golden_cross', TIME_HORIZONS, 'ゴールデンクロス'
        )

        if golden_results:
            print_statistics(golden_results, 'ゴールデンクロス（買いシグナル）')
            fig1 = plot_distribution(golden_results, 'ゴールデンクロス（買い）', direction=1)
            fig1.savefig('golden_cross_distribution.png', dpi=150, bbox_inches='tight')
            print("\n💾 golden_cross_distribution.png を保存しました")

        # ===== デッドクロス分析 =====
        dead_results = analyze_signal_returns(
            df, 'dead_cross', TIME_HORIZONS, 'デッドクロス'
        )

        if dead_results:
            print_statistics(dead_results, 'デッドクロス（売りシグナル）')
            fig2 = plot_distribution(dead_results, 'デッドクロス（売り）', direction=-1)
            fig2.savefig('dead_cross_distribution.png', dpi=150, bbox_inches='tight')
            print("\n💾 dead_cross_distribution.png を保存しました")

        # グラフ表示
        plt.show()

    finally:
        mt5.shutdown()


if __name__ == "__main__":
    main()

3.85pips × 300回 = 1,155pips/年 ✨

pip install MetaTrader5 pandas numpy matplotlib scipy

# 通貨ペアを変更
SYMBOL = "EURUSD"

# 時間足を変更（1時間足）
TIMEFRAME = mt5.TIMEFRAME_H1

# MA期間を変更
FAST_MA = 10
SLOW_MA = 50