기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

[Stock] 눌림목과 박스권

눌림목과 박스권

눌림목

이평선에의한 대순환 단계

단계배열
1단계 '단기', '중기', '장기' 안정상승
2단계 '중기', '단기', '장기' 상승추세의 끝
3단계 '중기', '장기', '단기' 하락추세의 시작
4단계 '장기', '중기', '단기' 안정하락
5단계 '장기', '단기', '중기' 하락 추세의 끝
6단계 '단기', '장기', '중기' 상승 추세 시작

이평선의 대순환분석에서 눌림목은 다음과 같은 상황이다.

  • 1에서 2단계 혹은 3단계까지 변환한 뒤 다시 1단계로 돌아가 상승이 지속되는 상황
  • 1단계가 지속되는 상태에서 가격만이 중기선 또는 장기선 아래로 내려갔지만 그후 다시 원래의 수준으로 돌아가는 상승을 계속하는 상황

중기선과 장기선으로 파악. 단기선 혹은 가격이 하락 했더라도 중기선이나 장기선이 상승을 계속하고 있다면 눌림목이다. 이 경우 중기선 아래의 단기선이 다시 상승하여 단기, 중기, 장시선 배열로 간격을 벌리면서 상승을 시작했을 때가 눌림목 매수 타이밍

일시적 반등은 눌림목의 움직임과 반대.

  • 4단계에서 5단계 또는 6 단계까지 변화한 뒤에 다시 4단계로 돌아가 하락을 지속하는 상황
  • 4단계가 지속하는 상태에서 가격 만이 중기선 혹은 장기선 위로 올라갔지만 다시 원래 수준으로 돌아가 하락하는 상태

일시적 반등을 간파하는 포인트는 눌림목과 반대.

단기선 혹은 가격이 상승, 중기선이나 장기선 하락 지속 → 일시적 반등 그러므로 단기가 중기위로 일시 상승후에 다시 내려기 장기, 중기, 단기서의 순서로 간격을 벌리면서 하락을 시작했을 때가 고점 인식 매도 타이밍

박스권

박스권에서는 대순환 분석의 세 이평선은 횡보하면서 서로 접근한다. 특히. 중기선과 장기선이 접근ㄴ하는 것은 박스 장세인지를 파악할 수 있는 중요 포인트가 된다. 박스권 탈출이 일어날 가능성이 있는 것은 1단계(상승으로 탈출)와 4단계(하락으로 탈출)에 돌입하는 경우 뿐이다.

박스권에서는 세 선의 간격이 일시적으로 벌어지더라도 금방 다시 모인다는 특징이 있다. 그러므로 세선의 간격이 점점 벌어지는 경향으로 박스권 탈출을 고려해 본다.

박스권에 있었던 시기가 길수록 탈출 이후에 발생하는 추세는 거대해 지는 경향이 있다.

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