#とにかく動かそう
以下を開いて
https://colab.research.google.com/
+コードのボタンを押して以下をコピペ
※Googleログインは必須

!pip install timedelta
!pip install datetime
!pip install git+https://github.com/MtkN1/pybybit.git
!pip install rich
!pip install pandas
!pip install numpy
!pip install tqdm
!pip install matplotlib

from datetime import timedelta, timezone, datetime
import math
import matplotlib.pyplot as plt
import pybybit
import numpy as np
import pandas as pd
from tqdm import tqdm
from matplotlib import pyplot as plt

symbol    = "BTCUSD"
chart_min = 60 # 時間軸(1 3 5 15 30 60 120 240 360 720 )
start     = '2022/01/01 09:00' # ローソク足取得開始時刻
get_days  = 30 # 取得数[日]

# ローソク足のリサンプリング
def resample_ohlc(org_df, timeframe):
   org_df.index = org_df.index - timedelta(hours=9)
   df = org_df.resample(f'{timeframe*60}S').agg({'open': 'first', 'high': 'max', 'low': 'min', 'close': 'last', 'volume': 'sum'})
   df['close'] = df['close'].fillna(method='ffill')
   df['open'] = df['open'].fillna(df['close'])
   df['high'] = df['high'].fillna(df['close'])
   df['low'] = df['low'].fillna(df['close'])
   org_df.index = org_df.index + timedelta(hours=9)
   df.index = df.index + timedelta(hours=9)

   return df

def get_price_from_API(chart_min,start):
    bybit = pybybit.API(testnet = False)

    get_start = int(datetime.strptime(start,'%Y/%m/%d %H:%M').timestamp()) # タイムスタンプ変換
    price = []
    req_times = math.ceil(1440/chart_min*get_days/200)

    #200*n本のローソク足を取得して、price[]に入れる
    for o in tqdm(range(req_times), desc = "{}分足データ取得中".format(chart_min)): # ()内の回数だけデータを取得
        data = bybit.rest.inverse.public_kline_list(
                symbol   = symbol,
                interval = chart_min,
                from_    = get_start
                ).json()

        #priceに取得したデータを入れる
        for i in data["result"]:
            price.append(i)

        #200本x足の長さ分だけタイムスタンプを進める
        get_start += 200*60*chart_min

    return pd.DataFrame(price)

# ローソク足データの読み込み
df_all = get_price_from_API(chart_min,start)
df_all.open_time = pd.to_datetime(df_all.open_time*10**9,)
df_all = df_all.set_index('open_time').tz_localize('UTC').tz_convert('Asia/Tokyo')
df_all.drop(["symbol"],axis = 1,inplace=True)
df_all = df_all.astype('float')

# バックテスト区間を指定して5分足に変換
df = resample_ohlc(df_all['2022/01/01':'2022/01/31'],5)
print( df )

# ロジック部
entryLength=35
entryPoint=0.7
df['sell'] = df['high'].rolling(entryLength).max() * (1+entryPoint/100)
df['buy'] = df['low'].rolling(entryLength).min() * (1-entryPoint/100)
print( df )

# 指値位置補正(post only)
df['limit'] = df['open'].shift(-1)
df['buy'] = df[['buy', 'limit']].min(axis='columns')
df['sell'] = df[['sell', 'limit']].max(axis='columns')

# 約定判断
df['long'] = df['low'] < df['buy'].shift(1)    # 買い指値ヒット
df['short'] = df['high'] > df['sell'].shift(1) # 売り指値ヒット

# ポジション計算部（ドテン＆ピラミッディング）
pyramiding=3
df['order'] = 0
df['order'] = df['order'].where(df['long']!=True,1)
df['order'] = df['order'].where(df['short']!=True,-1)
df['pos'] = df['order'].where(df['order']!=0,).fillna(method='ffill').fillna(0)
df['pos'] = df.groupby((df['pos']*df['pos'].shift(1)<0).cumsum().fillna(0))['order'].cumsum()
df['pos'] = df['pos'].where(df['pos']<=pyramiding,pyramiding ) 
df['pos'] = df['pos'].where(df['pos']>=-pyramiding,-pyramiding )
print( df )

# 約定価格
df['exec_price'] = df['close']
df['exec_price'] = df['buy'].where(df['long'].shift(-1),df['exec_price'])
df['exec_price'] = df['sell'].where(df['short'].shift(-1),df['exec_price'])

# 累積損益計算
commision=-0.025
df['pos'] /= pyramiding
df['return']=df['exec_price'].diff(1)
df['commision'] = df['exec_price'] * commision / 100 * abs(df['pos']-df['pos'].shift(1))
df['profit'] = df['return']*df['pos'] -df['commision']
df['pnl'] = df['profit'].cumsum()

# ポジション変化が有ったところだけを抽出
df_only_hit = df[df['pos'].diff(1)!=0]

# 前後1日間のボトム/ピークの箇所だけをデータを適当に抽出して間引く(全部プロットしたら時間かかるため）
period_day = int(86400 / (df.index[-1].to_pydatetime().timestamp()-df.index[-2].to_pydatetime().timestamp()) )
df_bottom_peak = df[df['low']==df['low'].rolling(period_day,center=True).min()]  # ボトム部
df_top_peak = df[df['high']==df['high'].rolling(period_day,center=True).max()]  # トップ部

# ポジション変化したところとボトムピーク部と最終行を結合してプロットするデータを用意する
df = pd.concat( [df_only_hit, df_bottom_peak, df_top_peak, df.tail(1)] ).sort_index().drop_duplicates()

# 損益グラフプロット
fig = plt.figure()
ax1 = fig.subplots()
ax2 = ax1.twinx()
ax1.set_ylim([-1,5])
ax1.bar(df.index, df["pos"], color='blue', alpha=0.5, zorder=1)
ax1.axhline(y=0, color='k', linestyle='dashed', alpha=0.5, linewidth=0.5 )
ax1.axhline(y=1, color='k', linestyle='dashed', alpha=0.5, linewidth=0.5)
ax1.set_ylabel("pos")
ax2.plot(df.index, df["pnl"], color='red', zorder=2, linewidth=2)
ax2.set_ylabel("profit")
h1, l1 = ax2.get_legend_handles_labels()
ax1.legend(h1, l1, loc='upper left', prop={'size': 8})
plt.title('Backtest : {:+.0f}'.format(df['pnl'][-1]))
plt.show()

#解説

こちらのサイトを参考しました

##ポジション計算

# ポジション計算部（ドテン＆ピラミッディング）
pyramiding=3
df['order'] = 0
df['order'] = df['order'].where(df['long']!=True,1)
df['order'] = df['order'].where(df['short']!=True,-1)
df['pos'] = df['order'].where(df['order']!=0,).fillna(method='ffill').fillna(0)
df['pos'] = df.groupby((df['pos']*df['pos'].shift(1)<0).cumsum().fillna(0))['order'].cumsum()
df['pos'] = df['pos'].where(df['pos']<=pyramiding,pyramiding ) 
df['pos'] = df['pos'].where(df['pos']>=-pyramiding,-pyramiding )

ドテン

信用取引などで、それまでのポジションを逆にすることをいう。買建てしていた場合には、これを決済し、逆に売建てすること。これを「ドテン売り越し」という。売建てしていた場合には、?>これを決済し、逆に買建てすること。

ピラミッティング

20世紀初頭のアメリカの相場師、ウィリアム・デルバート・ギャンの考案した、最初にまとまったポジションを建てておき、期待通りトレンドに乗れば、保有ポジションの含み益を担保として買い上がり、売り下がりを行い、更にポジションを積み増ししていく取引手法のことで、積み増すポジションは徐々に減らしていくのが一般的である（スケール・ダウン・ピラミッディング）。

引用元より

5行目で作っている pos_close というカラムがポイントです。
ドテンタイプの計算の時に説明した部分を少し変えていて、ポジションがプラスからマイナス・マイナスからプラスへ逆転した時に加えて、ロングポジションを持っているときに longclose カラムが True の場合と、ショートポジションを持っているときに shortclose カラムが True の場合にgroupbyによるグループ分けを区切ってゼロからカウントしなおすようにしています。

引用元読んでも分からなかったので出直してきます
LGTMを押していただけると読めるようになるかもしれません

コピペでとりあえず動いたら、この記事の目的はほぼ達成です！
ありがとうございました。