Nagi🍣

暗号通貨投資&トレード、FXなどから得た有益な情報やツールなどを発信していきます！

[Nagi🍣 @Nagi7692]

時系列データ可視化ツール
「ChartCreator v2.4」

ローソク足を基本としてインジケータなど様々なデータを設定するだけで簡単に高機能なチャートを作成できるpythonクラスです。

数値を可視化＆インタラクティブ操作で状況把握や分析・検証にお役立てください。

https://t.co/ftcuQbANdE

[QASH_NFT @qash_NFT]

botterアドカレに脳を焼かれた人も見つけた
https://t.co/rblOaSL9wZ

[ぽっぽlv99 @fenix_satou]

ポテンツァ(エクソソーム)とスネコスと点滴打ってきました。

今年は美容もお金かけていきもす！！

[CoinPost（仮想通貨メディア） @coin_post]

Circleのユーロステーブルコイン、Solanaブロックチェーンも採用
https://t.co/t1ryn1Hxja

[Nagi🍣 @Nagi7692]

@KURU_trade 何か質問などあればお気軽にご連絡ください🙂

[Nagi🍣 @Nagi7692]

【BacktestAssistant v3.0】
機能追加によりnoteアップデートしました。

・バックテスト結果チャート出力
・統計情報にシャープレシオ追加

詳細はnoteを参照ください。
ご利用されている方で、上記機能を使用する場合はnoteより再ダウンロードをお願い致します。

https://t.co/jVZH0VWLAx

[Nagi🍣 @Nagi7692]

@KURU_trade 同期して参照がやり易いと思います。
あらかじめ時系列データと使用する指標をDataFrameにまとめて作成するとバックテストがやり易いと思います。

tickerと指標の粒度が異なる場合はテストロジックの中でtimestampから該当するタイミングの指標を取得する工夫が必要になります。

[Nagi🍣 @Nagi7692]

@KURU_trade ご質問ありがとうございます。
本ツールでは設定されたtickerやohlcv等の時系列データをループしてバックテストを行います。

テストロジック内でその時点のtimestampも取得できるのでOI等の指標を参照することは可能です。

一番シンプルなのは時系列データと同じ粒度で指標データも用意すると(続)

[OpenAI @OpenAI]

We’re rolling out web browsing and Plugins to all ChatGPT Plus users over the next week! Moving from alpha to beta, they allow ChatGPT to access the internet and to use 70+ third-party plugins. https://t.co/t4syFUj0fL

[Nagi🍣 @Nagi7692]

@ai_illust_kun めちゃくちゃおもしろい〜✨
#AIイラストくん

[Nagi🍣 @Nagi7692]

@ai_illust_kun 招待コード欲しいです✨
ぜひよろしくお願いします🥺

[AIイラストくん｜LINEで画像生成 @ai_illust_kun]

【第1回☀️AIイラストくんコンテスト】
皆さんの渾身の作品をこちらのツイートにリプライしてください！

🎨 お題は「猫耳の子」
🔥 AIイラストくんで生成した作品
💡 5/15(月) 23:59まで

いいねが1番多かった方にはAmazonギフト券3000円をプレゼント🎁✨ふるってご生成ください！！！

[山口翔誠（しょせまる） / picon @shosemaru]

【拡散希望】

LINEから簡単にAIイラストが作れる「#AIイラストくん 」をリリースしました！！

日本語で好きな文章を送るだけで「人物」「イラスト」「写真」など、高いクオリティの画像が1分ほどで生成できます🖼️✨

（↓使い方などは下にまとめていきます）

LINE友達追加：https://t.co/UVlL1ZcpYF

[Nagi🍣 @Nagi7692]

FNCT取引開始から5分毎に更新されるチキンレースおもしろかった

約定履歴収集してたので、ちょっと解像度高めに15秒足で集計(取引開始から1H分)

値幅制限の板取引が価格帯別出来高で集計すると分かりやすい

[Nagi🍣 @Nagi7692]

polars->pandas変換のto_pandasはuse_pyarrow_extension_arrayオプションでzero copyできるらしい
(pandas==1.5.0以降必要)

966ms -> 3ms

DataFrameの列がnumpyでなく、pyarrowの配列で生成されるみたい
pyarrow馴染みないので調べてみよう

https://t.co/FioCDPAkhp

[Nagi🍣 @Nagi7692]

出金申請から無事着金まで確認できました。

様々な状況の方がいて、とても複雑ですが皆さんの資産が無事に戻ってくるよう願ってます✨

[Seth Melamed @Cryptoguy_19]

FTX JapanとLiquid Japan口座における法定通貨の出金および暗号資産の出庫のサービスが再開するご案内を致しました。出金・出庫は、2023年2月21日正午（日本時間）から再開されます。このような状況の中、ご支援いただいた方々に心より感謝申し上げます。
七転び八起き
https://t.co/geLGxyevjn

[Seth Melamed @Cryptoguy_19]

FTX JapanとLiquid Japan口座における法定通貨の出金および暗号資産の出庫のサービスが再開するご案内を致しました。出金・出庫は、2023年2月21日正午（日本時間）から再開されます。このような状況の中、ご支援いただいた方々に心より感謝申し上げます。
七転び八起き
https://t.co/geLGxyevjn

[Nagi🍣 @Nagi7692]

@kunmosky1 こちらこそ、参考にさせていただき大変ありがとうございました！
イテレーションを使用しないコーティングがとてもマッチしており、取り組ませていただきました。

pandasでの実装とても勉強になり、またpolarsの理解が深まり、とても有益でした。

[Nagi🍣 @Nagi7692]

くもすけさん(@kunmosky1 )のpandas超高速バックテスト(https://t.co/1WWttucJW3)をベースにpolars比較

OHLCV(5m) 10万件

pandas
csv読込　：103ms
バックテスト：76ms

polars
csv読込　：41ms
バックテスト：50ms(調整後38ms)

polars興味あればどうぞ
https://t.co/LWGk8OKJsa

#python #polars

[Nagi🍣 @Nagi7692]

polarsの恩恵が大きいのは
「csv読み込み→列編集→集計」みたいな遅延評価や並列処理が活きてくるパターン

138万件の約定履歴csvから1m OHLCVを生成
pandas: 3.03s
polars: 0.64s

https://t.co/7hm3gtGLuV

[Nagi🍣 @Nagi7692]

polarsにはto_pandas/from_pandas関数があるのでスポット的に適用して基本は慣れたpandasで処理するのが現実的かと。

例えば大きいcsv入出力では上記のpandas変換コストを加味しても十分高速化が見込める

[csv 138万行(160MB)]
read: 3.95 → 2.14
write:12.66 → 1.95

https://t.co/7hm3gtHjkt

[Nagi🍣 @Nagi7692]

@JapaneseMl @saruo_hunbook @morio202008 横から失礼します
触りだけなら、前にチョロっとpandas比較してみたのでよかったら参考にどうぞ

https://t.co/LpVlQx7wjl

[Nagi🍣 @Nagi7692]

UKIさんが紹介してくれたpolarsちょっと検証してみた

時系列データ操作
・bybit(1/18)約定履歴138万件
・OHLCV集計やリサンプリング

検証ではpandasの2～5倍くらい速かった
データ量や編集・集計によってはもっと差が出る感じ

コードや詳細を確認したい方はgistどうぞ

https://t.co/cI4n6toclB