📊 영웅문4 OpenAPI + Python 완전 정복 - 5단계: 백테스트 + 시각화 + 전략 고도화

✅ 5단계 개요: 백테스트가 왜 중요한가요?

실시간 매매 전에 반드시 백테스트를 해야 하는 이유:

• 과거 시장에서 전략이 수익이 났는지 확인
• 전략이 폭락장에서 살아남는지 검증
• 실제 자동매매 시 수익률, 손절, 최대 낙폭(MDD) 등 예측 가능

---

🔁 STEP 1. 과거 데이터 요청하기 (차트데이터 TR: opt10081)

python

kiwoom.SetInputValue("종목코드", "005930")
kiwoom.SetInputValue("기준일자", "20240401")  # yyyyMMdd
kiwoom.SetInputValue("수정주가구분", "1")

kiwoom.CommRqData("일봉차트", "opt10081", 0, "1001")

항목	설명
opt10081	일봉차트 요청
기준일자	오늘 이전 날짜 기준으로 조회
수정주가구분	1 = 수정주가 기준

📷 차트 데이터 예시

text

[일자: 20240401] 시가: 78,100 / 고가: 79,300 / 저가: 77,900 / 종가: 78,900 / 거래량: 3,200,000

---

🧾 STEP 2. Pandas로 백테스트 프레임 만들기

🔹 데이터프레임 생성 예제

python

import pandas as pd

dates, opens, highs, lows, closes, volumes = [], [], [], [], [], []

for i in range(100):  # 100일치 데이터
    date = kiwoom.GetCommData("opt10081", "일봉차트", i, "일자").strip()
    open_ = kiwoom.GetCommData("opt10081", "일봉차트", i, "시가").strip()
    high = kiwoom.GetCommData("opt10081", "일봉차트", i, "고가").strip()
    low = kiwoom.GetCommData("opt10081", "일봉차트", i, "저가").strip()
    close = kiwoom.GetCommData("opt10081", "일봉차트", i, "현재가").strip()
    volume = kiwoom.GetCommData("opt10081", "일봉차트", i, "거래량").strip()
    
    dates.append(date)
    opens.append(int(open_))
    highs.append(int(high))
    lows.append(int(low))
    closes.append(int(close))
    volumes.append(int(volume))

df = pd.DataFrame({
    'date': pd.to_datetime(dates),
    'open': opens,
    'high': highs,
    'low': lows,
    'close': closes,
    'volume': volumes
})
df.sort_values('date', inplace=True)
df.set_index('date', inplace=True)

---

📈 STEP 3. 간단한 전략 테스트: 이동평균선 돌파

python

df['ma5'] = df['close'].rolling(5).mean()
df['ma20'] = df['close'].rolling(20).mean()
df['signal'] = (df['ma5'] > df['ma20']).astype(int)
df['position'] = df['signal'].diff()

📷 매매 시점 시각화 (matplotlib)

python

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
plt.plot(df['close'], label='Close')
plt.plot(df['ma5'], label='MA5')
plt.plot(df['ma20'], label='MA20')
plt.scatter(df[df['position'] == 1].index, df[df['position'] == 1]['close'], marker='^', color='green', label='Buy')
plt.scatter(df[df['position'] == -1].index, df[df['position'] == -1]['close'], marker='v', color='red', label='Sell')
plt.title("이동평균선 골든크로스 전략")
plt.legend()
plt.grid()
plt.show()

---

📊 STEP 4. 수익률 계산 (누적 수익률 / MDD)

python

df['daily_return'] = df['close'].pct_change()
df['strategy_return'] = df['daily_return'] * df['signal'].shift(1)
df['cumulative'] = (1 + df['strategy_return']).cumprod()

plt.figure(figsize=(12, 4))
plt.plot(df['cumulative'], label='Strategy')
plt.title("전략 누적 수익률")
plt.grid()
plt.legend()
plt.show()

📌 옵션: MDD 계산 (최대 낙폭)

python

df['cummax'] = df['cumulative'].cummax()
df['drawdown'] = df['cumulative'] / df['cummax'] - 1
mdd = df['drawdown'].min()
print(f"📉 최대 낙폭(MDD): {mdd:.2%}")

---

🧠 실전 백테스트 팁

체크항목	설명
거래 비용 포함 여부	매수/매도 수수료, 세금 등 고려해야 신뢰 ↑
슬리피지	체결 지연, 가격 차이 고려
거래 제한	매수가능 수량, 시간 제한 조건 등