기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[stock]가속도 밴드(Acceleration Bands)

가속도 밴드(Acceleration Bands)

가격변동성의 변화를 시각적으로 나타내어 잠재적인 추세반전 시점을 예측하는데 사용되는 기술적 지표입니다. 이 지표는 중심선과 상한, 하한밴드로 구성되며 중심선으로 고가와 저가의 평균을 사용합니다. 구성과 전체적인 형태는 Bollinger bands와 유사하지만 종가의 단순이평을 중심선으로 사용하는데 반해 고가와 저가의 평균으로 중심선을 사용하고 상한과 하한 밴드를 고가, 중심선, 저가로 계산함으로서 가격의 움직임의 가속도에 촛점을 맞춥니다.

$$\begin{align} \text{중심가격} &= \frac{\text{고가 + 저가}}{2}\\\text{중심선} &= \text{SMA(중심가격, length)}\\ \text{상한밴드} &= \text{중심선} + (\text{고가 - 중심선})\times \text{width}\\ \text{하한밴드} &= \text{중심선} - (\text{중심선 - 저가})\times \text{width}\end{align}$$

width는 상한 및 하한 밴드가 중심선으로 부터 얼마나 떠러어 있을지를 결정하는 역할을 합니다.

위 식과 같이 상한밴드는 고가와 중심선 사이의 변동성, 하한밴드는 중심선과 저가사이의 변동성을 반영합니다. 그러므로 추세가 강화된다면 고가, 중심선 또는 중심선과 저가의 차가 커질 것입니다. 반대로 이 차가 작아진다면 즉, 밴드의 폭이 좁아진다면 추세의 약화 또는 반전 가능성을 시사할 수 있습니다.

  • 추세 확인:
    • 상승 추세: 밴드의 폭이 넓어지면서 가격이 상한 밴드 근처에서 움직이거나 상한 밴드를 돌파하는 것은 상승 추세가 강하게 지속될 가능성을 나타냅니다.
    • 하락 추세: 밴드의 폭이 넓어지면서 가격이 하한 밴드 근처에서 움직이거나 하한 밴드를 돌파하는 것은 하락 추세가 강하게 지속될 가능성을 나타냅니다.
  • 추세 반전 가능성:
    • 가격이 상한 밴드를 강하게 벗어난 후 다시 밴드 안으로 진입하거나, 상한 밴드와 하한 밴드 사이에서 움직임이 둔화되는 것 그리고 밴드 폭이 좁아지는 것은 상승 추세의 약화 또는 반전 가능성을 시사할 수 있습니다.
    • 가격이 하한 밴드를 강하게 벗어난 후 다시 밴드 안으로 진입하거나, 상한 밴드와 하한 밴드 사이에서 움직임이 둔화되는 것 그리고 밴드의 폭이 좁아지는 것은 하락 추세의 약화 또는 반전 가능성을 시사할 수 있습니다.
  • 변동성 측정: 밴드 폭은 시장의 변동성을 나타냅니다. 밴드 폭이 넓어지면 변동성이 증가하고, 좁아지면 변동성이 감소하는 것으로 해석할 수 있습니다. 변동성이 극도로 낮아지는 구간은 가격 움직임의 폭발적인 증가 (추세 시작 또는 급격한 변동)를 예고할 수 있습니다.

가격이 상한밴드를 돌파할 때 매수신호, 하한밴드를 돌파할 때 매도 신호로 해석할 수 있지만 이 경우는 추세가 강함의 조건이 필요합니다. 즉, 밴드의 폭이 넓어야 한다는 조건이 필요하지만 넓다는 기준이 객관적이지 않기 때문에 다른 지표와의 연합이 필요합니다. 또한 일반적으로 밴드의 폭이 작은 횡보장에서 이러한 가격의 움직임이 잦을 수 있으므로 오신호일 가능성이 큽니다.

pandas_ta.accbands(high, low, close, length=None, c=None, mamode=None, …)으로 계산합니다. 위 식과 계산과정에 약간의 차이가 있지만 전체적인 형태는 동일합니다. help(ta.accbands) 참조

import numpy as np
import pandas as pd
import yfinance as yf
import pandas_ta as ta
import matplotlib.pyplot as plt

st=pd.Timestamp(2024,1, 1)
et=pd.Timestamp(2025, 4,29)
trgnme="000660.KS"
trg=yf.download(trgnme,  st, et)
trg.columns=[i[0] for i in trg.columns]
evb=ta.accbands(trg.High, trg.Low, trg.Close)
evb.tail(3)
ACCBL_20 ACCBM_20 ACCBU_20
Date
2025-04-24 167908.209116 180975.0 195683.209116
2025-04-25 167342.571434 180230.0 194417.571434
2025-04-28 166880.946235 179795.0 193755.946235

위 가속도 밴드와 비교하기 위해 볼린저밴드를 계산합니다. ta.bbands() 함수를 사용합니다.

bb=ta.bbands(trg.Close)
bb.tail(3)
BBL_5_2.0 BBM_5_2.0 BBU_5_2.0 BBB_5_2.0 BBP_5_2.0
Date
2025-04-24 171874.666842 176940.0 182005.333158 5.725481 0.634246
2025-04-25 171537.802529 178820.0 186102.197471 8.144724 0.883126
2025-04-28 172653.483596 179900.0 187146.516404 8.056161 0.644897
plt.figure(figsize=(10, 6))
plt.subplots_adjust(hspace=0.3)
plt.subplot(211)
candleChart(trg)
plt.plot(evb.iloc[:,0], lw=2, label="upper")
plt.plot(evb.iloc[:,1], lw=2, label="middle")
plt.plot(evb.iloc[:,2], lw=2, label="lower")
xaxis_form(ax=False)
plt.xlim(pd.to_datetime("2024-09-02"), pd.to_datetime("2025-05-01"))
plt.grid(True)
plt.legend(loc="upper left")
plt.title("Acceleration Bands")

plt.subplot(212)
candleChart(trg)
plt.plot(bb.iloc[:,0], lw=2, label="upper")
plt.plot(bb.iloc[:,1], lw=2, label="middle")
plt.plot(bb.iloc[:,2], lw=2, label="lower")
xaxis_form(ax=True)
plt.xlim(pd.to_datetime("2024-09-02"), pd.to_datetime("2025-05-01"))
plt.grid(True)
plt.legend(loc="upper left")
plt.title("Bolinger Bands")
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...

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 ...