기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

댓글 쓰기

[stock]평균방향성 지수(ADX)

평균방향성 지수(ADX, Average Directional Index)

평균방향성지수(ADX, Average Directional Index)는 추세의 강도를 측정하고 시장에서 잠재적인 진입 및 청산 지점을 파악하기 위해 사용하는 인기 있는 기술 분석 도구입니다. ADX 지표는 방향성을 고려하지 않는 추세 강도 지표로, 0에서 100까지 범위를 가집니다. 이 지표는 추세의 방향에 관계없이 추세의 강도를 정량화하기 위해 설계되었습니다. ADX는 긍정적 방향 지표(+DI)와 부정적 방향 지표(-DI)라는 두 가지 관련 지표를 기반으로합니다. 이 두 지표는 가격의 방향성 움직임을 측정하는 반면, ADX 자체는 추세의 강도를 평가합니다.

핵심 개념:

  • ADX는 0에서 100 사이의 값을 가지며, 높은 값은 강한 추세를, 낮은 값은 약한 추세 또는 횡보 시장을 나타냅니다.
  • ADX 자체는 추세의 방향을 나타내지 않습니다. +DI가 -DI보다 높으면 상승 추세의 강도를, -DI가 +DI보다 높으면 하락 추세의 강도를 나타냅니다.
  • ADX 값이 상승하면 추세 강도가 증가하고 있음을 의미하며, 하락하면 추세 강도가 약화되고 있음을 의미합니다.

계산 방법:

  1. True Range (TR) 계산: 현재 고가와 저가의 차이, 현재 고가와 이전 종가의 절대값 차이, 현재 저가와 이전 종가의 절대값 차이 중 가장 큰 값을 TR로 설정합니다.
    • TR = max[(Hight-Lowt), |Hight - Closet|, |Lowt - Closet|]
  2. Directional Movement (+DM, -DM) 계산:
    • +DM: 현재 고가 - 이전 고가
       (+DM < 0) or (+DM < -DM) → 0
    • -DM: 이전 저가 - 현재 저가
       (-DM > 0) or (-DM < +DM) → 0
  3. Directional Index (+DI, -DI) 계산: 일정 기간 (일반적으로 14일) 동안의 +DM, -DM 및 TR의 이동평균을 사용하여 계산합니다.
    • $\begin{align}\text{+DI} &= \frac{\text{sma(+DM, n)}}{\text{sma(TR, n)}}\cdot 100\\\text{-DI} &= \frac{\text{sma(-DM, n)}}{\text{sma(TR, n)}}\cdot 100 \end{align}$
  4. Directional Movement Index (DX) 계산:
    • $\text{DX} = \frac{|\text{+DI - (-DI)}|}{\text{+DI + (-DI)}} \cdot 100$
  5. Average Directional Index (ADX) 계산: 일정 기간 (일반적으로 14일) 동안의 DX 값의 이동평균을 계산합니다.
CaseDM+현고가-전고가 현고가>전고가 DI+설명
1+, 증가 증가 강함 증가 매수세 강함
2+, 감소 감소 약함 감소 매수세 약함
CaseDM-전저가-현저가 전저가>현저가 DI-설명
3+, 증가 증가 강함 증가 매도세 강함
4+, 감소 감소 약함 감소 매도세 약함

위 표에서 Case 1-4, 2-3인 경우 추세가 명확해지며 1-3인 경우 변동성 증가를 고려할 수 있습니다.

  • +DI > -DI
    • 상승추세 가능성
    • ADX가 상승인 경우 강한 상승 추세 암시
  • +DI < -DI
    • 하강추세 가능성
    • ADX가 상승인 경우 강한 하락추세
  • +DI와 -DI 교차
    • +DI가 -DI를 상향돌파(Golden cross) : 매수신호로 상승추세 시작 가능성 시사
    • -DI가 +DI를 하향돌파(Death cross): 매도신호로 하락추세 시작 가능성 시사
  • ADX
    • 상승: 추세강도 강화
    • 하락: 추세강도 하락
ADX내용방향내용
0-25 약한 추세 또는 추세 없음 (횡보 시장)ADX 상승 현재 추세가 강화되고 있음을 나타냅니다.
25-50 강한 추세ADX 하락 현재 추세가 약화되고 있음을 나타냅니다.
50-75 매우 강한 추세+DI>-DI
위로 교차		상승 추세
상승 시작 신호로 해석될 수 있습니다
(ADX가 25 이상일 때 신뢰도 증가)
75-100 극도로 강한 추세+DI가 -DI
아래로 교차		하락 추세
하락의 시작 신호로 해석될 수 있습니다
(ADX가 25 이상일 때 신뢰도 증가)
  • 추세 강도 식별: 시장이 추세 추종 전략에 적합한지 또는 횡보 전략에 적합한지 판단하는 데 도움을 줍니다.
  • 추세 시작 및 종료 가능성 예측: +DI와 -DI의 교차 및 ADX 값의 변화를 통해 추세의 시작 또는 약화를 예측할 수 있습니다.
  • 돌파 매매 확인: ADX가 25 이상으로 상승하면서 가격이 중요한 지지선 또는 저항선을 돌파할 때 추세가 강하게 시작될 가능성을 시사합니다.
  • 다른 지표와 함께 사용: ADX는 추세 방향을 알려주지 않으므로 이동평균선, MACD 등 추세 방향을 알려주는 다른 지표와 함께 사용하는 것이 좋습니다.
  • DMI는 추세추종지표이므로 횡보장에서는 오신호 발생할 수 있음
  • 후행성 지표로 가격변동에 다소 늦은 신호
  • 이동평균선, MACD, RSI등 다른 지표와 함께 분석
  • EOM을 단독으로 사용하기보다는 다른 지표(예: 이동평균선, MACD, RSI)와 함께 분석하여 신호의 신뢰도를 높이는 것이 중요합니다.
  • 적정한 n 찾기

ADX를 계산하기 위한 UDF인 calulate_adx()를 사용할 수 있습니다. 또한 pandas-ta.adx(high, low, close, length=None, lensig=None, …)을 사용합니다.

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

st=pd.Timestamp(2024,1, 1)
et=pd.Timestamp(2025, 4,30)
trgnme="000660.KS"
trg=yf.download(trgnme,  st, et)
trg.columns=[i[0] for i in trg.columns]
adx=ta.adx(trg.High, trg.Low, trg.Close)
adx.tail(3)
ADX_14 DMP_14 DMN_14
Date
2025-04-25 15.962275 28.523337 27.985950
2025-04-28 15.060779 27.187290 29.066929
2025-04-29 14.301816 26.121929 28.546638

위 결과를 주가, 지수이동평균과 함께 그래프를 작성합니다. 

adp=[mpf.make_addplot(adx.iloc[:,0], panel=1, color="g", label="ADX"),
  mpf.make_addplot(adx.iloc[:,1], panel=1, color="orange", label="DM+"),
  mpf.make_addplot(adx.iloc[:,2], panel=1, color="navy", label="DM-"),
   mpf.make_addplot(ta.ema(trg.Close, 5), panel=0, color="brown", label="EMA5"),
   mpf.make_addplot(ta.ema(trg.Close, 20), panel=0, color="navy", label="EMA20")]

fig, axes=mpf.plot(trg, type="candle",  style="yahoo", title="candle chart", addplot=adp, volume=False, returnfig=True, figsize=(12, 6))
axes[0].legend(loc="upper left")
plt.show()

+DI<-DI이고 그 두지표는 접하고 다시 그 형태를 유지합니다. 또한 ADX는 횡보임을 나타냅니다. 그러나 단기ema가 장기 ema와 접한 시점으로 상승돌파의 가능성이 있습니다. 그러므로 일정한 추세가 없는 상태이므로 약간 하강 방향으로 보합이 이루어질 것으로 예상됩니다.
매도세 우세이지만 그 강도가 약해진 것으로 볼 수 있으며 상승 추세로의 전환 가능성을 배제할 수 없습니다.

Labels:

댓글

댓글 쓰기

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...
댓글 쓰기
Read more »

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...
댓글 쓰기
Read more »

부분분수의 미분

내용 방법 1 방법 2 방법 3 부분분수의 미분 분수의 미분은 일정한 공식 을 적용하여 계산할 수 있습니다. 그러나 분수 자체가 단순한 표현으로 이루어지지 않았다면 미분 과정이나 결과는 매우 복잡할 수 있습니다. 만약 복잡한 분수 함수를 간단한 분수들로 분해할 수 있다면 계산이 보다 간편해질 것입니다. 이와 같이 분해된 간단한 분수들을 부분분수 라고 합니다. 예를 들어 다음 두 분수의 합을 계산해 봅니다. $$\begin{align} \frac{1}{x+1}+\frac{2}{x-1}&=\frac{x-1+2(x+1)}{(x+1)(x-1)}\\ &=\frac{3x+1}{x^2-1} \end{align}$$ 위 과정은 3개 이상의 여러 분수에서도 이루어질 수 있습니다. 또한 역으로 진행될 수 있습니다. 즉, 분수를 부분 분수로 분할할 수 있습니다. 그러나 이러한 과정은 대수분수 (분자의 가장 큰 차수가 분모의 최고의 차수보다 작은 분수)에서만 이루어질 수 있습니다. 예를 들어 $\displaystyle \frac {x^2+2}{x^2-1}$의 경우는 분자와 분모의 차수는 2차로 같습니다. 이러한 경우 다음과 같이 분리할 수 있습니다. $$\frac{x^2+2}{x^2-1}=1+\frac{3}{x^2-1}$$ 위의 식 중 $\displaystyle \frac{3}{x^2-1}$은 분자의 차수가 분모의 차수 보다 낮은 대수 분수이므로 부분 분수로 분리할 수 있습니다. 이와같이 부분 분수로 분해하는 방법은 다음과 같이 몇 가지로 구분할 수 있습니다. 방법 1 위 예의 결과 $\displaystyle \frac{3x+1}{x^2-1}$의 경우를 역으로 생각해 봅니다. 분모의 인수분해가 가능하면 그 분모의 인수에 의해 다음과 같이 분해할 수 있습니다. $$\begin{align} \frac{3x+1}{x^2-1}&=\frac{3x+1}{(x+1)(x-1)}\\ &=\frac{A}{x+1...
댓글 쓰기
Read more »