暗号資産取引の自動戦略開発において、ヒストリカルデータ（履歴データ）を使ったバックテスト（回測）は成功の鍵です。本稿では、HolySheep AIを活用したBinance履歴データの取得から、AIによる戦略検証までを一気に解説します。レート面では公式API比85%のコスト削減を実現し、Python初心者でもコピー＆ペーストで動作する実働コードを提供します。
HolySheep vs 公式API vs 他のリレーサービス：比較表
| 比較項目 | HolySheep AI | 公式Binance API | 他リレーサービス（平均） |
|---|---|---|---|
| 為替レート | ¥1 = $1（USDレート） | ¥7.3 = $1（日本の銀行決済） | ¥5.0〜6.5 = $1 |
| APIレイテンシ | <50ms（低遅延） | 30〜100ms（地域依存） | 80〜200ms |
| GPT-4.1出力コスト | $8.00/MTok | $8.00/MTok | $9.50〜12.00/MTok |
| Claude Sonnet 4.5出力 | $15.00/MTok | $15.00/MTok | $18.00〜22.00/MTok |
| DeepSeek V3.2出力 | $0.42/MTok | $0.42/MTok | $0.55〜0.80/MTok |
| Gemini 2.5 Flash | $2.50/MTok | $2.50/MTok | $3.00〜4.00/MTok |
| 料金支払い方法 | WeChat Pay / Alipay / 信用卡 | 信用卡のみ（海外決済） | 信用卡のみ |
| 新規登録ボーナス | 無料クレジット付き | なし | 稀に少額ボーナス |
| historial data取得 | 対応（Python SDK） | 対応（原生API） | 対応しない居多 |
| 戦略検証AI機能 | Chat Completions / Embeddings | なし（純粋API） | Baseモデル限定 |
向いている人・向いていない人
向いている人
- 個人トレーダー・BOT開発者：日本の銀行決済ではAPI利用コストが7倍以上になる問題を解決したい人
- Quant戦略研究者：Binance履歴データとAIを組み合わせた自動売買戦略を低コストで検証したい人
- 中国語サービスに慣れた開発者：WeChat PayやAlipayで決済したい人
- DeepSeek系を多用する開発者：$0.42/MTokの最安レートで大量推論したい人
- レイテンシ重視のトレーダー：<50msの低遅延を求める人
向いていない人
- 日本企業の経費精算が必要な人：日本のインボイス対応が必須の場合は銀行ATM現金払いの必要がある
- 大手クラウド統合が必要な人：AWS/Azure/GCPの既存クラウドクレジットとの組み合わせが必要な場合
- 日本語サポートを強く求める人：日本語ドキュメントは現状限定的（英語の読み書きが必要）
- критический な本番環境：SLA保証付きのエンタープライズ向けサービスを探している人
価格とROI
実際のコスト比較を見てみましょう。月に100万トークンのClaude Sonnet 4.5出力を消費するケースを想定します。
| サービス | 1MTok単価 | 100万Tok/月コスト | 円換算（実効レート） | 年間コスト |
|---|---|---|---|---|
| HolySheep AI | $15.00 | $15.00 | ¥1,500（即時にUSD同等） | ¥18,000 |
| 公式API（日本の銀行決済） | $15.00 | $15.00 | ¥10,950（¥7.3/$1） | ¥131,400 |
| 年間節約額 | ¥113,400（82%OFF） | |||
DeepSeek V3.2 ($0.42/MTok) を活用すれば、さらにコストを压缩できます。戦略パラメータの大量最適化（グリッドサーチ）等にも適しています。
Binance履歴データ回測アーキテクチャ
HolySheep AIを活用した回測システムの全体構成は以下の通りです：
┌─────────────────────────────────────────────────────────────┐
│ データ取得層 │
├─────────────────────────────────────────────────────────────┤
│ Binance API (historial klines) → pandas DataFrame │
│ 対応ペア: BTCUSDT, ETHUSDT, BNBUSDT (全スポットペア) │
│ 対応時間軸: 1m, 5m, 15m, 1h, 4h, 1d │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ 特徴量生成層 │
├─────────────────────────────────────────────────────────────┤
│ pandas_ta (ta-lib代替) でtechnical indicators計算 │
│ - SMA, EMA, RSI, MACD, Bollinger Bands, ATR 等 │
│ - そのままJSON化しプロンプトに埋め込み可能 │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ HolySheep AI 戦略検証層 │
├─────────────────────────────────────────────────────────────┤
│ base_url: https://api.holysheep.ai/v1 │
│ Model: gpt-4.1, claude-sonnet-4.5, gemini-2.5-flash │
│ → 戦略ロジックの妥当性検証・改善提案 │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ バックテスト層 │
├─────────────────────────────────────────────────────────────┤
│ backtesting.py (自作) で過去データに対するシミュレーション │
│ - エントリー/イグジットポイント可視化 │
│ - 勝率・プロフィットファクター算出 │
└─────────────────────────────────────────────────────────────┘実装コード：完全版Pythonスクリプト
1. 環境構築と設定
# requirements.txt
pip install -r requirements.txt
requests>=2.28.0
pandas>=1.5.0
pandas-ta>=0.3.14
matplotlib>=3.6.0
python-dotenv>=0.21.0
============================================================
config.py - HolySheep API設定
============================================================
import os
HolySheep AI設定（base_urlは絶対に変更しない）
HOLYSHEEP_CONFIG = {
"base_url": "https://api.holysheep.ai/v1",
"api_key": os.getenv("HOLYSHEEP_API_KEY", "YOUR_HOLYSHEEP_API_KEY"),
"default_model": "gpt-4.1",
"max_tokens": 2048,
"temperature": 0.7,
}
Binance API設定
BINANCE_CONFIG = {
"base_url": "https://api.binance.com/api/v3",
"testnet_url": "https://testnet.binance.vision/api/v3",
"symbol": "BTCUSDT",
"interval": "1h",
"limit": 1000, # API制限: 1リクエスト最大1000件
}
戦略パラメータ
STRATEGY_CONFIG = {
"rsi_oversold": 30,
"rsi_overbought": 70,
"ma_short": 20,
"ma_long": 50,
"atr_multiplier": 2.0,
"max_position_size": 0.95, # 証拠金比率
}
print("✅ 設定ファイル読み込み完了")
print(f" API Endpoint: {HOLYSHEEP_CONFIG['base_url']}")2. Binance履歴データ取得クラス
# ============================================================
binance_client.py - Binance historial data fetcher
============================================================
import requests
import pandas as pd
from datetime import datetime, timedelta
import time
class BinanceDataFetcher:
"""
Binance APIから履歴データを取得するクラス
HolySheep AIとは別の独立したモジュールとして実装
"""
def __init__(self, base_url="https://api.binance.com/api/v3"):
self.base_url = base_url
self.session = requests.Session()
self.session.headers.update({
"User-Agent": "BinanceBacktestBot/1.0"
})
def get_klines(self, symbol: str, interval: str,
start_str: str = None, end_str: str = None,
limit: int = 1000) -> pd.DataFrame:
"""
ローソク足データを取得
Parameters:
symbol: 取引ペア (例: 'BTCUSDT')
interval: 時間軸 (例: '1h', '4h', '1d')
start_str: 開始日時 (ISO8601またはUnixタイムスタンプ)
end_str: 終了日時
limit: 取得件数 (最大1000)
Returns:
DataFrame: OHLCVデータ
"""
params = {
"symbol": symbol.upper(),
"interval": interval,
"limit": limit
}
if start_str:
params["startTime"] = self._parse_time(start_str)
if end_str:
params["endTime"] = self._parse_time(end_str)
url = f"{self.base_url}/klines"
response = self.session.get(url, params=params)
response.raise_for_status()
data = response.json()
# DataFrameに変換
df = pd.DataFrame(
data,
columns=[
"open_time", "open", "high", "low", "close", "volume",
"close_time", "quote_asset_volume", "num_trades",
"taker_buy_base", "taker_buy_quote", "ignore"
]
)
# 型変換
numeric_cols = ["open", "high", "low", "close", "volume"]
for col in numeric_cols:
df[col] = pd.to_numeric(df[col], errors="coerce")
df["open_time"] = pd.to_datetime(df["open_time"], unit="ms")
df["close_time"] = pd.to_datetime(df["close_time"], unit="ms")
return df
def get_historical_data(self, symbol: str, interval: str,
days: int = 365) -> pd.DataFrame:
"""
指定日数分の履歴データを自動取得（API制限対応）
Parameters:
symbol: 取引ペア
interval: 時間軸
days: 取得日数
Returns:
DataFrame: 全期間のOHLCVデータ
"""
end_time = datetime.now()
start_time = end_time - timedelta(days=days)
all_data = []
current_start = start_time
while current_start < end_time:
# 1000件制限を考慮してend_timeを設定
chunk_end = min(
current_start + timedelta(days=41), # 約1000時間枠
end_time
)
try:
df = self.get_klines(
symbol=symbol,
interval=interval,
start_str=current_start.isoformat(),
end_str=chunk_end.isoformat(),
limit=1000
)
if df.empty:
break
all_data.append(df)
current_start = df["open_time"].max() + pd.Timedelta(minutes=1)
print(f"📊 {symbol} {interval}: "
f"{df['open_time'].min()} - {df['open_time'].max()} "
f"({len(df)}件取得)")
# Binance Rate Limit対策: 600ms待機
time.sleep(0.6)
except Exception as e:
print(f"❌ データ取得エラー: {e}")
break
if all_data:
return pd.concat(all_data, ignore_index=True).drop_duplicates()
return pd.DataFrame()
テスト実行
if __name__ == "__main__":
fetcher = BinanceDataFetcher()
# 直近1ヶ月のBTCUSDT 1時間足を取得
df = fetcher.get_klines(
symbol="BTCUSDT",
interval="1h",
start_str=(datetime.now() - timedelta(days=30)).isoformat(),
limit=1000
)
print(f"\n✅ 取得完了: {len(df)}件のローソク足")
print(df[["open_time", "open", "high", "low", "close", "volume"]].tail())3. HolySheep AI戦略検証クライアント
# ============================================================
holysheep_client.py - HolySheep AI戦略検証APIクライアント
IMPORTANT: api.openai.com や api.anthropic.com は使用しない
============================================================
import requests
import json
import os
from typing import Dict, List, Optional, Any
class HolySheepAIClient:
"""
HolySheep AI APIクライアント for 戦略検証
⚠️ 注意: base_urlは必ず https://api.holysheep.ai/v1 を使用
⚠️ api.openai.com, api.anthropic.com は絶対に使用禁止
"""
def __init__(self, api_key: str = None):
self.api_key = api_key or os.getenv("HOLYSHEEP_API_KEY", "YOUR_HOLYSHEEP_API_KEY")
self.base_url = "https://api.holysheep.ai/v1" # 固定URL
self.session = requests.Session()
self.session.headers.update({
"Authorization": f"Bearer {self.api_key}",
"Content-Type": "application/json"
})
def validate_strategy(self, strategy_code: str,
market_data: str) -> Dict[str, Any]:
"""
取引戦略の妥当性をAIで検証
Parameters:
strategy_code: Pythonで記述した戦略ロジック
market_data: 直近の市場データ（JSON文字列）
Returns:
Dict: 検証結果と改善提案
"""
prompt = f"""
あなたは加密货币取引戦略の专門家AIです。以下の戦略コードを分析及改善提案を行ってください。
【戦略コード】
{strategy_code}
【直近市場データ】
{market_data}
以下の観点をJSONで返答してください：
1. strategy_validity: 戦略の論理的妥当性 (0-100)
2. risk_factors: リスク要因リスト
3. improvements: 具体的な改善提案リスト
4. backtest_suggestions: バックテスト時の注意事项
5. estimated_win_rate: 推定勝率范围
"""
return self._chat_completion(
prompt=prompt,
model="gpt-4.1", # $8/MTok - 高精度分析用
system_prompt="你是一位专业的加密货币交易策略分析师。请用JSON格式返回分析结果。"
)
def generate_strategy_parameters(self,
symbol: str,
market_context: str) -> Dict[str, Any]:
"""
市場コンテキストから最適な戦略パラメータを生成
Parameters:
symbol: 取引ペア
market_context: 市場状況の要約
Returns:
Dict: 推奨パラメータ
"""
prompt = f"""
{symbol} の現在の市場状況に基づいて、最適なRSI・移動平均線・ATRパラメータを提案してください。
【市場状況】
{market_context}
JSON形式で返答:
{{
"recommended_rsi_oversold": 整数,
"recommended_rsi_overbought": 整数,
"recommended_ma_short": 整数,
"recommended_ma_long": 整数,
"recommended_atr_multiplier": 浮動小数点,
"rationale": 推奨理由
}}
"""
return self._chat_completion(
prompt=prompt,
model="gemini-2.5-flash", # $2.50/MTok - コスト効率重視
system_prompt="你是加密货币量化交易专家。请基于市场数据提供最优参数建议。"
)
def analyze_backtest_results(self,
results: Dict[str, Any]) -> str:
"""
バックテスト結果をAIで分析
Parameters:
results: バックテスト結果（辞書）
Returns:
str: 分析コメント
"""
prompt = f"""
以下のバックテスト結果を分析及コメントを提供してください：
【バックテスト結果】
- 総取引回数: {results.get('total_trades', 0)}
- 勝率: {results.get('win_rate', 0):.2f}%
- プロフィットファクター: {results.get('profit_factor', 0):.2f}
- 最大ドローダウン: {results.get('max_drawdown', 0):.2f}%
- 年率リターン: {results.get('annual_return', 0):.2f}%
- シャープレシオ: {results.get('sharpe_ratio', 0):.2f}
コメントと改善提案を详细に述べてください。
"""
return self._chat_completion(
prompt=prompt,
model="deepseek-v3.2", # $0.42/MTok - 最安コスト
system_prompt="你是量化交易策略评估专家。提供专业分析。",
max_tokens=1024
)
def _chat_completion(self, prompt: str,
model: str = "gpt-4.1",
system_prompt: str = None,
max_tokens: int = 2048,
temperature: float = 0.7) -> Dict[str, Any]:
"""
HolySheep Chat Completions API呼び出し内部処理
"""
messages = []
if system_prompt:
messages.append({
"role": "system",
"content": system_prompt
})
messages.append({
"role": "user",
"content": prompt
})
payload = {
"model": model,
"messages": messages,
"max_tokens": max_tokens,
"temperature": temperature
}
url = f"{self.base_url}/chat/completions"
try:
response = self.session.post(url, json=payload, timeout=30)
response.raise_for_status()
result = response.json()
return {
"success": True,
"model": result.get("model"),
"usage": result.get("usage", {}),
"content": result["choices"][0]["message"]["content"]
}
except requests.exceptions.Timeout:
return {
"success": False,
"error": "APIリクエストがタイムアウトしました（30秒）"
}
except requests.exceptions.HTTPError as e:
return {
"success": False,
"error": f"HTTPエラー: {e.response.status_code}",
"details": e.response.text
}
except KeyError as e:
return {
"success": False,
"error": f"レスポンス形式エラー: {e}"
}
使用例
if __name__ == "__main__":
# HolySheep AIクライアント初期化
client = HolySheepAIClient()
# 戦略検証の例
sample_strategy = """
def should_buy(df, rsi_oversold=30, ma_cross_up=True):
latest = df.iloc[-1]
prev = df.iloc[-2]
# RSI売られすぎ
rsi_condition = latest['rsi'] < rsi_oversold
# 移動平均線ゴールデンクロス
ma_condition = (prev['ma_short'] < prev['ma_long'] and
latest['ma_short'] > latest['ma_long'])
return rsi_condition and ma_condition
"""
sample_data = """
[
{"time": "2024-01-01", "close": 42000, "rsi": 28, "ma_short": 41500, "ma_long": 41000},
{"time": "2024-01-02", "close": 43500, "rsi": 45, "ma_short": 41800, "ma_long": 41200}
]
"""
print("🔍 HolySheep AIで戦略検証中...")
result = client.validate_strategy(sample_strategy, sample_data)
if result["success"]:
print(f"✅ 検証完了")
print(f" Model: {result['model']}")
print(f" レスポンス:\n{result['content']}")
else:
print(f"❌ エラー: {result['error']}")4. 統合バックテストシステム
# ============================================================
backtest_system.py - 統合バックテストシステム
============================================================
import pandas as pd
import pandas_ta as ta
import matplotlib.pyplot as plt
from datetime import datetime
import json
from binance_client import BinanceDataFetcher
from holysheep_client import HolySheepAIClient
class TradingBacktester:
"""
Binanceデータ + HolySheep AI検証の統合バックテストシステム
"""
def __init__(self, holysheep_api_key: str = None):
self.fetcher = BinanceDataFetcher()
self.ai_client = HolySheepAIClient(api_key=holysheep_api_key)
# ポジション状態
self.position = None # None, "LONG", "SHORT"
self.entry_price = 0
self.trades = []
def prepare_data(self, symbol: str, interval: str, days: int = 365):
"""
データ取得と特徴量生成
"""
print(f"📡 Binanceから{symbol}データを取得中...")
df = self.fetcher.get_historical_data(
symbol=symbol,
interval=interval,
days=days
)
# 技術的指標の計算
df.ta.rsi(length=14, append=True)
df.ta.sma(length=20, append=True)
df.ta.sma(length=50, append=True)
df.ta.macd(append=True)
df.ta.bbands(append=True)
df.ta.atr(length=14, append=True)
self.df = df.dropna()
print(f"✅ データ準備完了: {len(self.df)}件のローソク足を処理")
return self.df
def run_strategy(self, params: dict):
"""
バックテスト実行
"""
self.position = None
self.entry_price = 0
self.trades = []
self.equity_curve = [10000] # 初期証拠金: $10,000
rsi_oversold = params.get("rsi_oversold", 30)
rsi_overbought = params.get("rsi_overbought", 70)
ma_short_period = params.get("ma_short_period", 20)
ma_long_period = params.get("ma_long_period", 50)
atr_multiplier = params.get("atr_multiplier", 2.0)
for i in range(ma_long_period, len(self.df) - 1):
current = self.df.iloc[i]
next_bar = self.df.iloc[i + 1]
# エントリー条件
should_long = (
current['RSI_14'] < rsi_oversold and
current[f'SMA_{ma_short_period}'] > current[f'SMA_{ma_long_period}'] and
self.df.iloc[i-1][f'SMA_{ma_short_period}'] <= self.df.iloc[i-1][f'SMA_{ma_long_period}']
)
should_exit = (
current['RSI_14'] > rsi_overbought or
current[f'SMA_{ma_short_period}'] < current[f'SMA_{ma_long_period}']
)
# ロングエントリー
if should_long and self.position is None:
self.position = "LONG"
self.entry_price = current['close']
self.entry_time = current['open_time']
# イグジット
elif should_exit and self.position == "LONG":
exit_price = current['close']
pnl_pct = (exit_price - self.entry_price) / self.entry_price * 100
self.trades.append({
"entry_time": str(self.entry_time),
"exit_time": str(current['open_time']),
"entry_price": self.entry_price,
"exit_price": exit_price,
"pnl_pct": pnl_pct,
"side": "LONG"
})
# 証拠金更新
current_equity = self.equity_curve[-1]
self.equity_curve.append(current_equity * (1 + pnl_pct / 100))
self.position = None
self.entry_price = 0
return self.calculate_results()
def calculate_results(self) -> dict:
"""
バックテスト結果の算出
"""
if not self.trades:
return {
"total_trades": 0,
"win_rate": 0,
"profit_factor": 0,
"max_drawdown": 0,
"annual_return": 0,
"sharpe_ratio": 0
}
df_trades = pd.DataFrame(self.trades)
wins = df_trades[df_trades['pnl_pct'] > 0]
losses = df_trades[df_trades['pnl_pct'] <= 0]
total_wins = wins['pnl_pct'].sum()
total_losses = abs(losses['pnl_pct'].sum()) if len(losses) > 0 else 1
# 最大ドローダウン
equity_series = pd.Series(self.equity_curve)
running_max = equity_series.expanding().max()
drawdown = (equity_series - running_max) / running_max * 100
max_drawdown = abs(drawdown.min())
return {
"total_trades": len(self.trades),
"win_rate": len(wins) / len(self.trades) * 100,
"profit_factor": total_wins / total_losses if total_losses > 0 else 0,
"max_drawdown": max_drawdown,
"annual_return": (self.equity_curve[-1] / self.equity_curve[0] - 1) * 100,
"sharpe_ratio": df_trades['pnl_pct'].mean() / df_trades['pnl_pct'].std() if len(self.trades) > 1 else 0,
"final_equity": self.equity_curve[-1],
"trades_df": df_trades
}
メイン実行部
if __name__ == "__main__":
print("=" * 60)
print("Binance × HolySheep AI 統合バックテストシステム")
print("=" * 60)
# 1. データ準備
backtester = TradingBacktester()
backtester.prepare_data(
symbol="BTCUSDT",
interval="1h",
days=180 # 半年分
)
# 2. 初期パラメータでバックテスト
initial_params = {
"rsi_oversold": 30,
"rsi_overbought": 70,
"ma_short_period": 20,
"ma_long_period": 50,
"atr_multiplier": 2.0
}
print("\n📊 バックテスト実行中...")
results = backtester.run_strategy(initial_params)
print(f"\n【初期バックテスト結果】")
print(f" 総取引回数: {results['total_trades']}")
print(f" 勝率: {results['win_rate']:.2f}%")
print(f" プロフィットファクター: {results['profit_factor']:.2f}")
print(f" 最大ドローダウン: {results['max_drawdown']:.2f}%")
print(f" 年率リターン: {results['annual_return']:.2f}%")
print(f" シャープレシオ: {results['sharpe_ratio']:.2f}")
# 3. HolySheep AIで分析
print("\n🤖 HolySheep AIで結果分析中...")
ai_feedback = backtester.ai_client.analyze_backtest_results(results)
print(f"\n【AI分析結果】\n{ai_feedback}")
# 4. HolySheep AIでパラメータ最適化提案取得
market_context = f"""
BTCUSDT 過去180日データ:
- 平均価格: ${backtester.df['close'].mean():.2f}
- ボラティリティ(σ): ${backtester.df['close'].std():.2f}
- 平均RSI: {backtester.df['RSI_14'].mean():.2f}
- トレンド: ({'上昇' if backtester.df['close'].iloc[-1] > backtester.df['close'].iloc[0] else '下落'})
"""
print("\n🎯 HolySheep AIでパラメータ最適化中...")
param_suggestion = backtester.ai_client.generate_strategy_parameters(
symbol="BTCUSDT",
market_context=market_context
)
if param_suggestion.get("success"):
print("\n【AI推奨パラメータ】")
# JSONレスポンスをパース
try:
suggestions = json.loads(param_suggestion["content"])
for key, value in suggestions.items():
print(f" {key}: {value}")
except:
print(param_suggestion["content"])
print("\n✅ バックテストシステム完了！")HolySheepを選ぶ理由
HolySheep AIが暗号資産取引のAI戦略開発において最適な選択である理由は以下の5点です：
- 実質85%のコスト削減：日本円決済でも¥1=$1のレートが適用され、公式API（¥7.3=$1）相比較して大幅節約
- アジア向け決済手段：WeChat Pay・Alipay対応で、日本の信用卡が使えない環境でも問題なし
- <50ms超低レイテンシ：スキャルピングや高頻度取引にも対応可能な応答速度
- DeepSeek V3.2 $0.42/MTok：業界最安水準のコストで大量パラメータ最適化を実現
- 登録ボーナス：新規登録で無料クレジット付与されるため、すぐに検証開始可能
よくあるエラーと対処法
エラー1: API認証エラー「401 Unauthorized」
# 症状: APIリクエスト時に401エラーが発生
原因: APIキーが正しく設定されていない
❌ 誤った例
HOLYSHEEP_CONFIG = {
"api_key": "sk-..." # 直接ハードコード
}
✅ 正しい例: 環境変数から読み込み
import os
from dotenv import load_dotenv
load_dotenv() # .envファイルから読み込み
HOLYSHEEP_CONFIG = {
"api_key": os.getenv("HOLYSHEEP_API_KEY"),
"base_url": "https://api.holysheep.ai/v1"
}
.envファイルの内容 (.envという名前でプロジェクトフォルダに配置)
HOLYSHEEP_API_KEY=sk-your-actual-api-key-here
環境変数設定後に再試行
if not HOLYSHEEP_CONFIG["api_key"] or HOLYSHEEP_CONFIG["api_key"] == "YOUR_HOLYSHEEP_API_KEY":
raise ValueError("❌ APIキーが設定されていません。.envファイルを確認してください。")エラー2: Binance API「429 Too Many Requests」
# 症状: Binanceデータ取得中に429エラー
原因: APIリクエスト制限（1分間に120リクエスト or 1秒間に10リクエスト）
import time
from requests.exceptions import HTTPError
def safe_b