기본 콘텐츠로 건너뛰기

[matplotlib]quiver()함수

댓글 쓰기

[stock] DEMA(Double EMA)

Double Exponential Moving Average

EMA의 지연을 줄이기 위해 개발된 기술적 지표로서 EMA보다 최근 가격에 더 민감하게 반응하므로 단기매매의 추세 전환을 거 빠르게 포착하는 데 도움이 됩니다.

단일 EMA : EMA1
EMA2: EMA1의 지수이동평균
DEMA = (2· EMA1)-EMA2

talib.DEMA(data, timeperiod) 함수를 적용합니다.

다음은 일정기간의 주가에 대한 봉차트에 DEMA 5일, 20일 결과를 작성한 것입니다. 다양한 DEMA 플롯을 작성하기 위해 위 함수를 적용한 결과를 그래프로 작성하기 위한 UDF를 작성 사용하였습니다. 

def dema_plot(data, periods=[5, 20]):
    if type(data) == pd.core.series.Series:
        df = data
    else:
        df = data["Close"]
    result=pd.DataFrame()
    for i in periods:
        result[f'dema_{i}']=talib.DEMA(df, timeperiod=i)
        plt.plot(result[f'dema_{i}'], label=f'dema_{i}')
    plt.grid(True)
    plt.legend(loc="upper left")
    return result    
import numpy as np
import pandas as pd
import yfinance as yf
import talib
import matplotlib.pyplot as plt

st=pd.Timestamp(2024,1, 1)
et=pd.Timestamp(2025, 4,28)
trgnme="000660.KS"
trg=yf.download(trgnme,  st, et)
trg.columns=[i[0] for i in trg.columns]
trg1=trg.copy().iloc[-120:, :]
plt.figure(figsize=(10, 3))
candleChart(trg1)
re=dema_plot(trg1)
plt.show()
re.tail(3)
dema_5 dema_20
Date
2025-04-23 177795.557727 174466.798241
2025-04-24 178180.864075 174470.930968
2025-04-25 181754.237554 175615.620742
  • EMA 보다 지연이 적기 때문에 최근 가격변화에 더 민감
  • 추세확인
    • 가격 > DEMA: 상승추세
    • 가격 < DEMA: 하락추세
  • 추세전환신호
    • 가격이 DEMA를 상향돌파: 매수신호
    • 가격이 DEMA를 하향돌파: 매도신호
    • 단기 DEMA가 장기EMA를 상향돌파: 골든크로스로 매수신호
    • 단기 DEMA가 장기EMA를 하향돌파: 데드크로스로 매도신호

지연이 감소된다는 것은 데이터의 smoothing 효과가 감소된다는 것을 의미하며 결과적으로 noise에 더 민감함을 의미합니다. 이것은 단기 추세의 파악에는 유리하지만 장기 추세의 파악에는 단순이동평균이나 일반적인 EMA가 더 효과적일 수 있음을 의미합니다.

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 »

[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...
댓글 쓰기
Read more »

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...
댓글 쓰기
Read more »