# -*- coding: utf-8 -*- """ random_bot_review_test.py - 동전 던지기 봇 1,000개로 '후기감 캡처'가 몇 개 나오는지 재는 코드 글: https://algolab.co.kr/blog/algotrading-program-review-random-bot-test-2026 무엇을 하나 전략이 전혀 없는 봇을 만든다. 들고 있는 종목이 없으면 매일 10% 확률로 22종목 중 하나를 무작위로 사서 5~20거래일 뒤 판다. 왕복 비용 0.3%. 3개월(63거래일) 구간 N개에서 봇 1,000개씩 돌려 (1) 3개월 +20% 이상, 즉 후기로 올릴 만한 캡처가 나오는 봇의 비율 (2) 그 봇들의 '다음 3개월' 성적이 나머지 봇과 다른지 를 센다. 이어서 봇 1개를 전 기간 돌려 '가장 좋은 3개월'과 '전체'를 비교한다. 가정과 한계 - FinanceDataReader 수정주가, 배당은 반영 안 함(수정주가의 조정분 제외). - 22종목은 지금 시점에 고른 생존 종목이다. 상장폐지 종목이 없어 결과가 좋게 나온다. - 체결은 해당일 시가, 호가 충격은 미반영. - 투자 권유가 아니며 과거 결과는 미래를 보장하지 않는다. ASOF 를 고정한 이유: 기준일 없이 돌리면 실행 시점까지 데이터를 받아 글의 숫자와 다르게 나온다. 최신으로 보려면 ASOF = None (숫자 달라짐). 필요: pip install finance-datareader pandas numpy """ import os import numpy as np import pandas as pd import FinanceDataReader as fdr ASOF = "2026-10-30" # 기준일 고정 - None 이면 실행 시점까지 START = "2016-01-01" SEED = 20261105 # 무작위 시드 고정 - 바꾸면 숫자가 조금 달라진다 N_BOTS = 1000 WINDOW = 63 # 3개월 = 63거래일 COST = 0.003 # 왕복 비용 0.3% P_ENTER = 0.10 # 빈손일 때 하루 진입 확률 HOLD_MIN, HOLD_MAX = 5, 20 REVIEW_LINE = 0.20 # 후기로 올릴 만한 기준: 3개월 +20% CACHE = "random_bot_prices.pkl" TICKERS = { "005930": "삼성전자", "000660": "SK하이닉스", "005380": "현대차", "000270": "기아", "012330": "현대모비스", "035420": "NAVER", "035720": "카카오", "051910": "LG화학", "006400": "삼성SDI", "068270": "셀트리온", "105560": "KB금융", "055550": "신한지주", "015760": "한국전력", "017670": "SK텔레콤", "030200": "KT", "033780": "KT&G", "009150": "삼성전기", "086520": "에코프로", "028300": "HLB", "196170": "알테오젠", "041510": "에스엠", "035900": "JYP Ent.", } def load_opens(): """종목별 시가 표. 자르기는 캐시를 쓰든 새로 받든 똑같이 적용한다.""" if os.path.exists(CACHE): px = pd.read_pickle(CACHE) else: px = pd.DataFrame({c: fdr.DataReader(c, START, ASOF)["Open"].astype(float) for c in TICKERS}) px.to_pickle(CACHE) px = px.sort_index() if ASOF: px = px[px.index <= pd.Timestamp(ASOF)] return px[px.index >= pd.Timestamp(START)].replace(0, np.nan).ffill() def run_bot(opens, start, end, rng): """start~end 인덱스 구간을 봇 1개로 돌린 총수익률. 끝에 들고 있으면 그날 시가로 정리.""" equity, i = 1.0, start n_stock = opens.shape[1] while i < end: if rng.random() < P_ENTER: col = rng.integers(n_stock) buy = opens[i, col] j = min(i + int(rng.integers(HOLD_MIN, HOLD_MAX + 1)), end) sell = opens[j, col] if np.isfinite(buy) and np.isfinite(sell) and buy > 0: equity *= (sell / buy) * (1 - COST) i = j + 1 else: i += 1 return equity - 1 def main(): px = load_opens() opens = px.values n = len(px) rng = np.random.default_rng(SEED) print(f"데이터 {px.index[0].date()} ~ {px.index[-1].date()} / {n}거래일 / 종목 {px.shape[1]}개") # 겹치지 않는 '캡처 구간 + 다음 3개월' 쌍 rows, keep_all, keep_win = [], [], [] starts = list(range(0, n - 2 * WINDOW, WINDOW)) for s in starts: first = np.array([run_bot(opens, s, s + WINDOW, rng) for _ in range(N_BOTS)]) # 같은 봇이 같은 규칙으로 다음 3개월을 또 돈다(규칙에 기억이 없다는 것이 핵심) second = np.array([run_bot(opens, s + WINDOW, s + 2 * WINDOW, rng) for _ in range(N_BOTS)]) win = first >= REVIEW_LINE rows.append({ "시작": px.index[s].date(), "후기감_비율": win.mean(), "최고": first.max(), "중앙값": np.median(first), "손실봇_비율": (first < 0).mean(), "후기봇_다음3개월_평균": second[win].mean() if win.any() else np.nan, "나머지_다음3개월_평균": second[~win].mean() if (~win).any() else np.nan, }) keep_all.append(first) keep_win.append(second[win]) t = pd.DataFrame(rows) pd.set_option("display.width", 200) print(t.round(3).to_string(index=False)) all_first = np.concatenate(keep_all) print(f"\n구간 {len(starts)}개 x 봇 {N_BOTS}개 = {all_first.size:,}회") print(f"3개월 +{REVIEW_LINE:.0%} 이상: {(all_first >= REVIEW_LINE).mean():.1%}") print(f"3개월 +50% 이상: {(all_first >= 0.5).mean():.1%}") print(f"3개월 손실: {(all_first < 0).mean():.1%}") print(f"3개월 수익률 중앙값: {np.median(all_first):.1%}") print(f"구간별 후기감 비율 최소/최대: {t['후기감_비율'].min():.1%} / {t['후기감_비율'].max():.1%}") print(f"후기감 봇의 다음 3개월 평균: {np.concatenate(keep_win).mean():.1%}") print(f"후기감 봇의 다음 3개월 중앙값: {np.median(np.concatenate(keep_win)):.1%}") print(f"후기감 봇 중 다음 3개월도 +{REVIEW_LINE:.0%} 이상: " f"{(np.concatenate(keep_win) >= REVIEW_LINE).mean():.1%}") print(f"나머지 봇 다음 3개월 평균(구간 평균): {t['나머지_다음3개월_평균'].mean():.1%}") # 봇 1개 전 기간: 가장 좋은 3개월 vs 전체 print("\n[봇 1개를 전 기간 돌려 캡처 구간을 고르면]") best_list, total_list = [], [] for _ in range(N_BOTS): eq, i = [1.0], 0 while i < n - 1: if rng.random() < P_ENTER: col = rng.integers(px.shape[1]) j = min(i + int(rng.integers(HOLD_MIN, HOLD_MAX + 1)), n - 1) buy, sell = opens[i, col], opens[j, col] r = (sell / buy) * (1 - COST) if np.isfinite(buy) and np.isfinite(sell) and buy > 0 else 1.0 eq.extend([eq[-1]] * (j - i - 1) + [eq[-1] * r]) i = j else: eq.append(eq[-1]) i += 1 e = np.array(eq) best_list.append((e[WINDOW:] / e[:-WINDOW]).max() - 1) total_list.append(e[-1] - 1) best, total = np.array(best_list), np.array(total_list) years = (px.index[-1] - px.index[0]).days / 365.25 cagr = (1 + total) ** (1 / years) - 1 print(f"가장 좋은 3개월 중앙값: {np.median(best):.1%}") print(f"전체 {years:.1f}년 CAGR 중앙값: {np.median(cagr):.1%}") print(f"최고 3개월이 +{REVIEW_LINE:.0%} 이상인 봇: {(best >= REVIEW_LINE).mean():.1%}") print(f"최고 3개월이 +{REVIEW_LINE:.0%} 이상인데 전체는 손실인 봇: " f"{((best >= REVIEW_LINE) & (total < 0)).mean():.1%}") print(f"전체 손실 봇: {(total < 0).mean():.1%}") # 비교 기준: 22종목 동일비중 보유, 구간 수익률 중앙값 bench = [] for s in starts: r = opens[s + WINDOW] / opens[s] - 1 bench.append(np.nanmean(r)) print(f"\n22종목 동일비중 보유의 3개월 수익률 중앙값: {np.median(bench):.1%}") if __name__ == "__main__": main()