【Python】【トラリピ】必要資金をPythonで算出してみる

Pythonを使って、トラリピで必要になる資金を算出してみました^_^

単一通貨ペア、複数通貨ペアに対応しています。

算出はトラリピの試算表使えばいいし、エクセルでも出せますが、Pythonの勉強の一環として作ってみました。

作る中でトラリピの理解も深まったので良かったと思います^_^

下手書きしてるので、効率の良いプログラムではないですが、私のような初心者の方には理解しやすいと思います笑

結果はトラリピ試算表と見比べて”だいたい”正しい（※a）ことは確認していますが、責任は持てないので、正しいかどうかはちゃんとご自身でチェックして下さいね^_^

※a : トラリピ試算表とちょっとズレます。試算表の方がより多くの資金が必要な結果になることがあります（←重要）。実際、ギリギリな資産では運用しないと思うので、あくまで目安として使うのがよろしいと思います。

環境

Python 3.7

プログラム

import numpy as np

import pandas as pd
import pandas_datareader.data as pdr
import datetime as dt

# 最新のレートを取得する
end = dt.date.today() # 本日まで
start = end - dt.timedelta(days=30) # 最新のデータが本日付けであるとは限らないので、とりあえず30日前までのデータを取り、その中で最新データを引用する
tickerlist = ['DEXJPUS','DEXUSAL','DEXUSNZ','DEXCAUS'] # 取得するtickerのlist
# tickerlist = ['DEXJPUS'] # 取得するtickerのlist
# DEXJPUS : JPY/USD
# DEXUSAL : USD/AUD
# DEXUSNZ : USD/NZD
# DEXCAUS : CAD/USD

# DataReaderからレートを取得
df0 = pdr.DataReader(tickerlist,'fred',start,end) # 日次データ
df0['JPYAUD'] = df0['DEXJPUS'] * df0['DEXUSAL'] # JPY/AUD算出
df0['JPYCAD'] = df0['DEXJPUS'] * (1 / df0['DEXCAUS']) # JPY/CAD算出

print(df0)

# 最終行のデータ（つまり最新）を取得
JPYUSD = df0.iloc[-1]['DEXJPUS']
print('Currency JPY/USD : '+str(JPYUSD))

# トラリピ範囲設定
pare = ['JPY/AUD','JPY/AUD','JPY/CAD','JPY/CAD','USD/NZD','USD/NZD','USD/NZD','USD/NZD','USD/AUD','USD/AUD','USD/AUD','USD/AUD'] # 通貨：JPY/AUD,JPY/CAD,•••
start = [70.2,85.4,70.2,95.8,0.644,0.6,0.64,0.704,0.508,0.808,0.514,0.814] # 下限
end = [85,100.2,95,119.8,0.7,0.636,0.644,0.76,0.796,1.096,0.79,1.09] # 上限
# step = [0.4,0.4,0.8,0.8,0.004,0.004,0.004,0.004] # 値幅
pcs = [38,38,32,31,15,10,2,15,25,25,24,24] # 本数
unit = 1000
losscutrate = [65,100.2,70,120,0.5,0.5,0.5,0.9,0.5,1.1,0.5,1.1]

# 空の配列を用意
spanstep = np.empty(len(pare))
suma = np.empty(len(pare))
sumb = np.empty(len(pare))
sumc = np.empty(len(pare))
sumd = np.empty(len(pare))
sume = np.empty(len(pare))
urikai = []

for i in range(len(pare)):
  span = np.linspace(start[i],end[i],pcs[i])
  spanstep[i] = span[1] - span[0] # 値幅

  suma[i] = np.sum(span * unit * 0.04) # 必要証拠金
  sumb[i] = np.sum((span - start[i]) * unit) # 含み損(下限時)
  sumc[i] = np.sum((abs(span - losscutrate[i])) * unit) # 含み損(ロスカットレート時)
  sumd[i] = suma[i] + sumb[i] # 必要資金(下限時)
  sume[i] = suma[i] + sumc[i] # 必要資金(ロスカットレート時)
  if( losscutrate[i] <= min(span) ): # 売り買いどっち？
  urikai.append('買')
  else:
  urikai.append('売')

  if 3 < i <= 11: # クロス円ではないペアを日本円に換算
  sumd[i] = sumd[i] * JPYUSD
  sume[i] = sume[i] * JPYUSD


df = pd.DataFrame({
  '通貨':pare,
  '売買':urikai,
  'start':start,
  'end':end,
  'step':spanstep,
  'pcs':pcs,
  'losscutrate':losscutrate,
  # 'A必要証拠金':suma,
  # 'B含み損(下限時)':sumb,
  # 'C含み損(ロスカットレート時)':sumc,
  'D必要資金(下限時=A+B)':sumd,
  'E必要資金(ロスカットレート時=A+C)':sume
  })
df = df.round(3) # 桁丸め

groupedcolumns = ['pcs','D必要資金(下限時=A+B)','E必要資金(ロスカットレート時=A+C)']
grouped2columns = ['D必要資金(下限時=A+B)','E必要資金(ロスカットレート時=A+C)']

grouped = df.groupby(['通貨','売買']).sum() # 通貨、売買のそれぞれの合計値

grouped2 = grouped.groupby('通貨').max() # 通貨ごとに最大値を出す(half&half用) それぞれの列のmaxなので行は合っていない。なので注意
sumval = grouped2.sum() # 各列の合計値
sumval.name = "Sum" # 行名
grouped2 = grouped2.append(sumval) # 最終行に合計値を追加

# csv出力
df.to_csv('df-tora.csv') # csv出力
grouped.to_csv('grouped.csv',columns=groupedcolumns)
grouped2.to_csv('grouped2.csv',columns=grouped2columns)