기본 콘텐츠로 건너뛰기

벡터와 행렬에 관련된 그림들

[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...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 $x^2=1$의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. $$x^2-1=0$$ import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. $$\begin{aligned}x^2-1=0 \rightarrow (x+1)(x-1)=0 \\ x=1 \; \text{or}\; -1\end{aligned}$$ 예 $x^4=1$의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. $$x^4-1=(x^2+1)(x+1)(x-1)=0 \rightarrow x=\pm \sqrt{-1}, \; \pm 1=\pm i,\; \pm1$$ 실수...