個人でトレード戦略を作り込む際、歴史 K 線データの連続性がすべての基本です。バックテストを実行すると途中でエラーが出たり、指標計算が不安定になったり……ほとんどの取引所 API で、一部の K 線が欠けたり、古いデータが取得できないトラブルは日常的に発生します。
今回は、私が実際に使っているK 線欠落の検出・補完・集計までの流れを、コピペで使えるコードと共にまとめました。個人トレーダー・シストレ開発者に役立つ内容です。
K 線データが欠落する原因
取引所 API を使うと、よく以下の問題に直面します。
- 古い期間のデータが提供されていない
- 相場の混乱時に K 線が飛ぶ
- 単一ソースだと信頼性が足りない
- 周期ごとのデータが整合しない
これらはバックテストの結果を大きく歪めるため、必ず補完処理が必要です。
1. 欠落箇所を自動検出する
まず、どの時間帯の K 線が欠けているかを特定します。タイムスタンプの間隔を確認するだけで簡単に判別できます。
import pandas as pd
# K線データ読み込み
df = pd.read_csv("kline.csv")
# タイムスタンプの差分を計算
df['ts_diff'] = df['timestamp'].diff()
# 欠落している箇所を抽出
missing_hours = df[df['ts_diff'] != 3600]
print(missing_hours)
これで、欠落している区間を一目で把握できます。
2. 複数ソースでデータを補完する
単一の取引所 API だけでは完全性を保証できないため、予備データソースを用意するのが効果的です。AllTick API は WebSocket でリアルタイムのティックデータを取得でき、欠落 K 線の補完に最適です。
import websocket
import json
def on_message(ws, message):
data = json.loads(message)
# ティックデータ → K線に集計可能
print(data)
ws = websocket.WebSocketApp(
"wss://ws.alltick.co/quote",
on_message=on_message
)
ws.run_forever()
複数ソースを使うことで、データの途切れリスクを大幅に減らせます。
3. 短周期データから長周期 K 線を再集計
分足データがあれば、再サンプリングで時足・日足を再作成可能です。API から取得できなかった K 線も自力で復元できる強力な方法です。
import pandas as pd
# タイムスタンプを日時形式に変換
df['datetime'] = pd.to_datetime(df['timestamp'], unit='s')
df.set_index('datetime', inplace=True)
# 1時間足にリサンプリング
hour_kline = df['price'].resample('1H').ohlc()
これで、データの連続性を完全に確保できます。
4. データ状態を管理して安定運用
長期的に運用するためには、どの区間が補完済みかを記録しておくとトラブルが減ります。
| 時間帯 | 状態 | データソース |
|---|---|---|
| 2026-04-20 00:00 | 完備 | 取引所 A |
| 2026-04-20 01:00 | 欠落 | 補完予定 |
| 2026-04-20 02:00 | 補完済 | AllTick |
データ登録前にエラーチェックを入れることで、品質を安定させられます。
まとめ：個人トレーダー必携のデータ整備術
仮想通貨のシストレ・バックテストにおいて、K 線データの質が結果を左右します。今回の「検出→複数ソース補完→集計→状態管理」の流れを導入するだけで、データの安定性が大幅に向上し、再現性のある戦略開発が可能になります。
ぜひ実際のコードを試して、自身のトレード環境に導入してみてください。