javitechjkd/backtestingv2

1"""2Clase base abstracta para algoritmos de trading3NO MODIFICAR - Este archivo define la interfaz que todos los algoritmos deben implementar4"""5 6from abc import ABC, abstractmethod7from dataclasses import dataclass, field8from typing import List, Optional, Dict, Any9from datetime import datetime10import pandas as pd11from enum import Enum12 13 14class TrendState(Enum):15    """Estado de tendencia"""16    BULLISH = 117    BEARISH = 018    NEUTRAL = -119 20 21@dataclass22class TradeSignal:23    """Señal de trading generada por el algoritmo"""24    timestamp: datetime25    signal_type: str  # 'LONG', 'SHORT', 'CLOSE_LONG', 'CLOSE_SHORT', 'NONE'26    price: float27    stop_loss: Optional[float] = None28    reason: str = ""29 30 31@dataclass32class AlgorithmState:33    """Estado interno del algoritmo en cada barra"""34    bar_index: int35    timestamp: datetime36    trend: TrendState37    support: Optional[float]38    resistance: Optional[float]39    signal: Optional[TradeSignal] = None40    extra_data: Dict[str, Any] = field(default_factory=dict)41 42 43@dataclass44class AlgorithmResult:45    """Resultado de la ejecución del algoritmo"""46    states: List[AlgorithmState]47    signals: List[TradeSignal]48    support_history: List[Optional[float]]49    resistance_history: List[Optional[float]]50    trend_history: List[TrendState]51    52    def get_trend_series(self, index: pd.DatetimeIndex) -> pd.Series:53        """Convierte el historial de tendencias a una Serie de pandas"""54        return pd.Series(self.trend_history, index=index[:len(self.trend_history)])55 56 57class BaseAlgorithm(ABC):58    """59    Clase base abstracta para todos los algoritmos de trading.60    61    NO MODIFICAR esta clase - Define la interfaz que deben implementar62    todos los algoritmos (FAST, SLOW, etc.)63    """64    65    def __init__(self, name: str, version: str):66        self._name = name67        self._version = version68        self._is_initialized = False69    70    @property71    def name(self) -> str:72        return self._name73    74    @property75    def version(self) -> str:76        return self._version77    78    @property79    def full_name(self) -> str:80        return f"{self._name} v{self._version}"81    82    @abstractmethod83    def get_default_params(self) -> Dict[str, Any]:84        """85        Retorna los parámetros por defecto del algoritmo.86        Cada algoritmo debe definir sus propios parámetros.87        """88        pass89    90    @abstractmethod91    def get_param_descriptions(self) -> Dict[str, str]:92        """93        Retorna descripciones de cada parámetro para la UI.94        """95        pass96    97    @abstractmethod98    def validate_params(self, params: Dict[str, Any]) -> bool:99        """100        Valida que los parámetros sean correctos.101        Retorna True si son válidos, False si no.102        """103        pass104    105    @abstractmethod106    def run(self, df: pd.DataFrame, params: Dict[str, Any]) -> AlgorithmResult:107        """108        Ejecuta el algoritmo sobre los datos proporcionados.109        110        Args:111            df: DataFrame con columnas OHLCV (open, high, low, close, volume)112            params: Diccionario con los parámetros del algoritmo113            114        Returns:115            AlgorithmResult con los estados, señales e historial116        """117        pass118    119    def _validate_dataframe(self, df: pd.DataFrame) -> bool:120        """Valida que el DataFrame tenga las columnas necesarias"""121        required_columns = ['open', 'high', 'low', 'close']122        return all(col in df.columns for col in required_columns)123