기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

[Stock] MACD

MACD(Moving Average Convergence/Divergence)

이동평균선 대순환 분석은 매매 타이밍을 명확히 나타내지만 신호가 늦게 나타난다. 이러한 단점에 대응하기 위해 MACD 지표를 추가 한다.

MACD는 이동평균 수렴/확산으로 번역되는 것으로 부터 알 수 있듯히 이평선의 일종이며 이들이 서로 붙거나 떨어짐을 의미한다. 즉, 두개의 이평선을 적용하는 것으로 다음과 같이 나타낼 수 있다.

MACD = 단기이평 - 장기이평 (식 1)

그러므로 기간이 다른 이평선의 차이를 의미한다. 이 지수의 고안자인 제럴드 아펠은 단기 이평선으로 12일 EMA(Exponential Moving Average), 장기 이평선으로 26일 EMA를 사용헸다.

  1. 12EMA > 26EMA → MACD는 양수이며 그 값은 커짐, 상승추세
  2. 위 양수 MACD의 최대점 즉, 정점 후 감소 (peak out): 12EMA 감소, 26EMA 증가
  3. 12EMA = 26EMA → MACD=0, 12EMA와 26EMA의 데드크로스 발생
  4. 12EMA < 26EMA → MACD는 음수이며 그 값의 절대치는 커짐, 하락추세
  5. 위 음수 MACD 절대값의 최대점 후 증가: 12EMA 증가, 26EMA 감소
  6. 12EMA = 26EMA → MACD=0, 12EMA와 26EMA의 골든크로스 발생

위 순서는 이평선 대순환 분석에서 이평선의 위치관계 추세와 같은 형태를 나타내며 MACD에 의한 신호가 앞서서 표시됩니다.

지수이동평균(EMA)

EMA = price(t) × α + EMA(y) × (1-α)
price(t):오늘 가격
EMA(y): 어제의 EMA
$\alpha=\frac{2}{span+1}$: smoothing factor

smoothing factor인 α는 평활화하기 위한 기간(span)을 기준으로 설정합니다. pandas.DataFame의 메서드인 .ewm(span, adjust=True)를 적용합니다. 이 메서드의 인수 span은 평활화팩터인 α를 계산하기 위해 지정하는 것으로 다른 인수 com, halflife, alpha의 인수로 지정할 수 있습니다. 각 인수에 전달하여 최종적으로 적용되는 평활화팩터는 다릅니다. 다른 인수 adjust는 True일 경우 가중이동평균(EWA), False일 경우(EMA)를 계산합니다.

다음은 1, 2, 3일의 가격이 각각 100, 150, 200에 대해 span=3으로 해서 EMA를 계산합니다.

p3,p2,p1=200, 150, 100
k=2/(3+1)
ema1=p1
ema2=p2*(k)+ema1*(1-k); ema2
125.0
ema3=p3*k+ema2*(1-k); ema3
162.5
d=pd.Series([100, 150, 200])
d.ewm(span=3, adjust=False).mean()
0    100.0
1    125.0
2    162.5
dtype: float64
st=pd.Timestamp(2024,6, 26)
et=pd.Timestamp(2024, 9, 30)
da=yf.download('^KS11', st, et)
cp=da.Close
sma3=cp.rolling(3).mean()
sma10=cp.rolling(10).mean()
sma20=cp.rolling(20).mean()
ema12=cp.ewm(span=12, adjust=False).mean()
ema26=cp.ewm(span=26, adjust=False).mean()
fig, ax=plt.subplots(figsize=(8, 3))
ax.plot(sma3, label="sma3")
ax.plot(sma10, label="sma10")
ax.plot(sma20, label="sma20")
ax.legend(loc="upper right")
ax.grid(True)
ax2=ax.twinx()
ax2.plot(ema12-ema26, ls="dashed", lw=2, color="r", label="macd")
ax2.legend(loc="lower left")
plt.show()

MACD는 식 1에서 나타낸 것과 같이 단기이평과 장기이평의 차이로 구성된다. 일반적으로 EMA12와 EMA26을 사용하는 것으로 이 차이에 대한 선의 위치를 명확하게 나타내기 위해 시그널(signal) 선을 추가 합니다. 일반적으로 EMA9를 적용합니다.

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