chore: 백테스트 코드 주석 및 bt 라이브러리 제거

requirements.txt

@@ -3,7 +3,6 @@ attrs==25.3.0
 bcrypt==4.3.0
 beautifulsoup4==4.13.3
 blinker==1.9.0
-bt==1.1.0
 cachetools==5.5.2
 captcha==0.7.1
 certifi==2025.1.31

src/backtest/engine.py

@@ -1,48 +1,48 @@
-import bt
-import matplotlib.pyplot as plt
-
-import pandas as pd
-
-from db.common import DBManager
-import streamlit_quant.strategy.multi_factor as multi_factor
-import streamlit_quant.strategy.magic_formula as magic_formula
-
-
-qc = DBManager()
-mf = multi_factor.get_multi_factor_top(qc, 20)
-magic_formula = magic_formula.get_magic_formula_top(20)
-
-codes = ','.join(magic_formula['종목코드'].array)
-price = qc.get_price_list_by_code(codes)
-
-# price = price.set_index(['날짜'])
-# price.rename(columns={"날짜": "Date"})
-price["Date"] = pd.to_datetime(price["날짜"])
-
-pivot_df = price.pivot(index="Date", columns="종목코드", values="종가")
-
-# print(pivot_df.tail)
-
-strategy = bt.Strategy("Asset_EW", [
-    bt.algos.SelectAll(),    # 모든 데이터 사용
-    bt.algos.WeighEqually(), # 동일 비중 투자
-    bt.algos.RunMonthly(),   # 매 월말 리밸런싱
-    bt.algos.Rebalance()     # 계산된 비중에 따라 리밸런싱
-])
-
-# 가격 데이터 중 시작 시점이 모두 다르므로, dropna() 함수를 통해 NA를 모두 제거하여 시작 시점을 맞춤
-pivot_df.dropna(inplace=True)
-
-# 백테스트 생성
-backtest = bt.Backtest(strategy, pivot_df)
-
-# 백테스트 실행
-result = bt.run(backtest)
-# prices: 누적 수익률이 데이터프레임 형태로 나타나며, 시작 시점을 100으로 환산하여 계산
-# to_returns: 수익률 계산
-# print(result.prices.to_returns())
-
-result.plot(figsize=(10, 6), legend=False)
-plt.show()
-
-result.display()
+# import bt
+# import matplotlib.pyplot as plt
+#
+# import pandas as pd
+#
+# from db.common import DBManager
+# import streamlit_quant.strategy.multi_factor as multi_factor
+# import streamlit_quant.strategy.magic_formula as magic_formula
+#
+#
+# qc = DBManager()
+# mf = multi_factor.get_multi_factor_top(qc, 20)
+# magic_formula = magic_formula.get_magic_formula_top(20)
+#
+# codes = ','.join(magic_formula['종목코드'].array)
+# price = qc.get_price_list_by_code(codes)
+#
+# # price = price.set_index(['날짜'])
+# # price.rename(columns={"날짜": "Date"})
+# price["Date"] = pd.to_datetime(price["날짜"])
+#
+# pivot_df = price.pivot(index="Date", columns="종목코드", values="종가")
+#
+# # print(pivot_df.tail)
+#
+# strategy = bt.Strategy("Asset_EW", [
+#     bt.algos.SelectAll(),    # 모든 데이터 사용
+#     bt.algos.WeighEqually(), # 동일 비중 투자
+#     bt.algos.RunMonthly(),   # 매 월말 리밸런싱
+#     bt.algos.Rebalance()     # 계산된 비중에 따라 리밸런싱
+# ])
+#
+# # 가격 데이터 중 시작 시점이 모두 다르므로, dropna() 함수를 통해 NA를 모두 제거하여 시작 시점을 맞춤
+# pivot_df.dropna(inplace=True)
+#
+# # 백테스트 생성
+# backtest = bt.Backtest(strategy, pivot_df)
+#
+# # 백테스트 실행
+# result = bt.run(backtest)
+# # prices: 누적 수익률이 데이터프레임 형태로 나타나며, 시작 시점을 100으로 환산하여 계산
+# # to_returns: 수익률 계산
+# # print(result.prices.to_returns())
+#
+# result.plot(figsize=(10, 6), legend=False)
+# plt.show()
+#
+# result.display()