기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

[Stock] 이동평균선의 크로스 표시

이동평균선의 크로스 표시

다음은 일정기간의 sk 하이닉스의 종가를 호출한 것입니다.

import numpy as np
import pandas as pd
import yfinance as yf
import matplotlib.pyplot as plt
plt.rcParams['font.family'] ='NanumGothic'
plt.rcParams['axes.unicode_minus'] =False
st=pd.Timestamp(2024,1, 10)
et=pd.Timestamp(2024, 9,25)
hy=pd.DataFrame(yf.download("000660.KS",st, et)["Close"])
hy.head(3)
Close
Date
2024-01-10 133500.0
2024-01-11 136000.0
2024-01-12 134100.0

이동평균은 DataFame/Series.rolling(기간).mean() 함수를 사용하여 결정합니다.

hy["sm5"]=hy.Close.rolling(5).mean()
hy["sm20"]=hy.Close.rolling(20).mean()
hy=hy.dropna()
hy.head(3)
Close sm5 sm20
Date
2024-03-07 164900.0 163260.0 153545.0
2024-03-08 171900.0 166400.0 155240.0
2024-03-11 166600.0 166420.0 156670.0

위 데이터 hy로부터 골든크로스(golden cross), 데드크로스(dead cross)를 결정하기 위해 np.where(조건) 함수를 사용합니다. 이 함수는 조건에 부합하는 인덱스를 반환합니다. 또한 이 결과에서 연이은 두 인덱스 차이가 1이상이 되면 두 이평선이 교차하는 첫 지점으로 파악합니다.

골든 크로스

gre= np.where(hy["sm5"]>hy["sm20"])[0]
gcross=[gre[0]]
for i in range(1, len(gre)):
    if gre[i] - gre[i-1]>1:
        gcross.append(gre[i])
print(gcross)
[2, 30, 63, 130]

데드 크로스

re= np.where(hy["sm5"]<hy["sm20"])[0]
dcross=[re[0]]
for i in range(1, len(re)):
    if re[i] - re[i-1]>1:
        dcross.append(re[i])
print(dcross)
[0, 28, 49, 108, 138]

위 결과를 그래프로 나타냅니다.

plt.figure(figsize=(10, 3))
plt.plot(hy.Close, ls="dotted",label="종가")
plt.plot(hy["sm5"], color="g", label="이평선5")
plt.plot(hy["sm20"], color="r", label="이평선20")
plt.scatter(hy.index[gcross],hy["sm5"][gcross], s=30, c="g", label="골든크로스")
plt.scatter(hy.index[dcross],hy["sm20"][dcross], s=30, c="r", label="데드크로스")
plt.xlabel("날짜")
plt.ylabel("주가")
plt.legend(loc="best")
plt.show()

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같

[matplotlib] 히스토그램(Histogram)

히스토그램(Histogram) 히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다. plt.hist(X, bins=10)함수를 사용합니다. x=np.random.randn(1000) plt.hist(x, 10) plt.show() 위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다. 막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다. y=np.linspace(min(x)-1, max(x)+1, 10) y array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282, 0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807]) plt.hist(x, y, normed=True) plt.show()

R 미분과 적분

내용 expression 미분 2차 미분 mosaic를 사용한 미분 적분 미분과 적분 R에서의 미분과 적분 함수는 expression()함수에 의해 생성된 표현식을 대상으로 합니다. expression expression(문자, 또는 식) 이 표현식의 평가는 eval() 함수에 의해 실행됩니다. > ex1<-expression(1+0:9) > ex1 expression(1 + 0:9) > eval(ex1) [1] 1 2 3 4 5 6 7 8 9 10 > ex2<-expression(u, 2, u+0:9) > ex2 expression(u, 2, u + 0:9) > ex2[1] expression(u) > ex2[2] expression(2) > ex2[3] expression(u + 0:9) > u<-0.9 > eval(ex2[3]) [1] 0.9 1.9 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 미분 D(표현식, 미분 변수) 함수로 미분을 실행합니다. 이 함수의 표현식은 expression() 함수로 생성된 객체이며 미분 변수는 다음 식의 분모의 변수를 의미합니다. $$\frac{d}{d \text{변수}}\text{표현식}$$ 이 함수는 어떤 함수의 미분의 결과를 표현식으로 반환합니다. > D(expression(2*x^3), "x") 2 * (3 * x^2) > eq<-expression(log(x)) > eq expression(log(x)) > D(eq, "x") 1/x > eq2<-expression(a/(1+b*exp(-d*x))); eq2 expression(a/(1 + b * exp(-d * x))) > D(eq2, "x") a * (b * (exp(-d * x) * d))/(1 + b