기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[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...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...

turtle로 정오각형 그리기

정오각형 그리기  오각형을 그리는 것 역시 정사각형 , 정삼각형 을 그리는 것과 유사한 과정을 거칩니다. 단지 각 꼭지점의 각도만이 다르지요. 그러면 정오각형의 각 모서리의 각도는 어떻게 될까요? 이를 생각하기에 앞서 각 도형의 내각을 먼저 생각해보죠. 우리는 삼각형의 내각의 합을 알고 있습니다. 이를 이용하면 각 도형에서 삼각형이 몇개가 존재하는지를 알아보고 "삼각형의 갯수×180"로 그 도형의 내각의 합을 구할 수 있을 것입니다. 다음 그림을 볼까요? 위 그림의 사각형은 1개의 대각선으로 2개의 삼각형으로 구성됩니다. 오각형의 경우 2개의 대각선으로 3개의 삼각형으로 구성됩니다. 즉, 다음의 관계를 보이지요. 사각형의 내각 : 삼각형 2개 2×180=360 한각의 값  360/4=90 오각형의 내각 : 삼각형 3개 3×180=540 한각의 값  540/5=108 육각형의 내각 : 삼각형 4개 4×180=720 한각의 값  720/6=120 ... 위 그림에서 내각과 외각의 관계를 보면 위 그림의 검은색은 각 모서리의 내각이고 빨간색은 외각을 나타냅니다. 외각은 내각을 이루는 하나의 선을 연장했을 경우 상대되는 각도이라고 했습니다. 그러므로 오각형의 경우 내각 108도에 대한 외각은 72도입니다. 특이할 사항은 사각형이나 오각형이나 외각의 합은 360입니다. 즉, 모든 도형의 외각의 합은 360도입니다. (삼각형의 외각의 합을 구해보세요.) 그러므로 모든 정다각형에서 하나의 외각은 다음과 같이 계산될 수 있겠지요. 360/변수의 수=다각형에서 하나의 외각 위에서 회전을 할 경우 내각이 아닌 외각을 사용해야 함을 알았습니다. 그러므로 오각형을 그리는 계획은 다음과 같이 작성할 수 있겠죠. 1) 지정한 길이만큼 앞으로 이동합니다. 2) 오른쪽 또는 왼쪽으로 72도를 회전합니다. 3) 앞으로 동일한 길이만큼 이동합니다. 4) 오른쪽 또는 왼쪽으로 72도 만큼 이동합니다. 5)1번부터 4번 ...