기본 콘텐츠로 건너뛰기

[matplotlib]quiver()함수

댓글 쓰기

[stock]일목균형표(Ichmoku)

일목균형표(Ichmoku)

매수와 매도의 균형을 시각적으로 보여주고, 시간 개념을 도입하여 추세 전환 시점을 예측하는 데 도움을 줍니다.

구성요소

  1. 전환선 (Conversion Line): (최고가 + 최저가) / 2 (최근 9일 기준)
    • 최근 9일 동안 최고와 최저의 평균값
    • 단기 추세방향을 나타내며 주가가 단기적인 균형점에서 얼마나 벗어났는지 나타냄
  2. 기준선 (Base Line): (최고가 + 최저가) / 2 (최근 26일 기준)
    • 최근 26일 동안의 최고와 최저의 평균
    • 중기 추세 방향을 나타내며 시장의 중심적인 균형가격으로 해석
  3. 선행스팬 1 (Leading Span A): (전환선 + 기준선) / 2 (26일 후행 이동)
    • 미래의 지지 또는 저항 영역의 상단을 나타냄
  4. 선행스팬 2 (Leading Span B): (최고가 + 최저가) / 2 (최근 52일 기준, 26일 후행 이동)
    • 미래의 지지 또는 저항 영역의 상단을 나타냄
  5. 후행스팬 (Lagging Span): 당일 종가 (26일 선행 이동)
    • 당일종사를 26일 전의 위치에 표시
    • 현재의 주가가 26일 전의 주가와 비교하여 강세 또는 약세를 판단

구름대

  • 선행스팬1과 선행스팬2 사이의 영역을 색칠하여 나타냄
  • 미래의 강력한 지지 또는 저항 영역으로 해석, 구름대의 두께는 지지/저항의 강도를 나타냄
    • 양운(선행스팬1> 선행스팬2): 상승추세의 가능성
    • 음운(선행스팬1< 선행스팬2): 하락추세의 가능성

ichimoku(high, low, close, tenkan=None, kijun=None, senkou=None, include_chikou=True, offset=None, **kwargs) 함수를 사용하여 계산할 수 있습니다. tenkan은 전환선기간, kijun는 기준선과 선행스팬1의 기간, senkou는 후행스팬의 기간을 나타내며 각각의 기본값은 9, 26, 52입니다.

이 함수는 2개의 DataFrame을 반환합니다.

  1. 첫번째는 자료와 같은 기간내에서 spanA(26일 후행 이동한 선행스팬1), spanB(52일 기준으로 작성된 선행스팬 2, 26일 후행이동), 전환선(tenkan_sen), 기준선(kijun_sen), 후행스팬(chikiou_span, 현 종가를 26일 전에 표시)
  2. 두번째는 자료의 기간이외의 미래의 기간에 대한 SPAN A와 SPAN B
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import pandas_ta as ta
import FinanceDataReader as fdr
import matplotlib.pyplot as plt
import mplfinance as mpf

st=pd.Timestamp(2024,9, 1)
et=pd.Timestamp(2025, 5,10)
trgnme="000660"
trg=fdr.DataReader(trgnme,  st, et)[["Open", "High", "Low", "Close", "Volume"]]

ichimoku=trg.ta.ichimoku(length=10)
ichimoku[0].tail(3)
ISA_9 ISB_26 ITS_9 IKS_26 ICS_26
Date
2025-05-07 205325.0 204150.0 182400.0 183600.0 NaN
2025-05-08 204800.0 204150.0 186350.0 182100.0 NaN
2025-05-09 202700.0 204150.0 186350.0 182100.0 NaN 
ichimoku[1].tail(3)
ISA_9 ISB_26
2025-06-12 183000.0 191100.0
2025-06-13 184225.0 191100.0
2025-06-16 184225.0 191100.0

위 결과의 그래프를 작성하기 위해 위 결과들과 trg를 병합합니다.

ich=pd.concat([ichimoku[0], ichimoku[1]])
ichData=pd.concat([trg, ich], axis=1)
ichData.tail(3)
Open High Low Close Volume ISA_9 ISB_26 ITS_9 IKS_26 ICS_26
2025-06-12 NaN NaN NaN NaN NaN 183000.0 191100.0 NaN NaN NaN
2025-06-13 NaN NaN NaN NaN NaN 184225.0 191100.0 NaN NaN NaN
2025-06-16 NaN NaN NaN NaN NaN 184225.0 191100.0 NaN NaN NaN 
adf=[mpf.make_addplot(ichData.ISA_9, panel=0, color="r", label="spanA"),
     mpf.make_addplot(ichData.ISB_26, panel=0, color="b", label="spanB"),
     mpf.make_addplot(ichData.ITS_9, panel=0, color="g", label="conv"),
     mpf.make_addplot(ichData.IKS_26, panel=0, color="k", label="base"),
     mpf.make_addplot(ichData.ICS_26, panel=0, color="orange", label="back")]
f, axs=mpf.plot(ichData.iloc[:,:5], type="candle", style="yahoo",  volume=False, addplot=adf, returnfig=True, figsize=(12,5))
axs[0].legend(loc="upper left")
plt.show()

해석

전환선과 시준선

  • 전환선 > 기준선 : 단기추세 > 중기추세 → 상승, 매수신호로 해석할 수 있음
  • 전환선 < 기준선: 단기추세 < 중기추세 → 하락, 매도신호로 해석할 수 있음
  • 전환선이 기준선을 상향돌파(골든 크로스): 단기가 중기를 상향돌파로 상승추세로 전환 가능성 시사, 강력한 매수신호로 해석할 수 있음
  • 전환선이 기준선을 하향돌파(데드크로스): 단기가 중기를 하향돌파로 하락추세로 전환가능성 시사, 강력한 매도신호로 해석할 수 있음
  • 상승추세에서 전환선과 기준선은 지지선으로 역할. 강한 상승시 전환선이 지지선 역할
  • 하락추세에서 전환선과 기준선은 저항선으로 역할. 강한 하락시 전환선이 저항선 역할
  • 전환선과 지지선의 이격이 클수록 추세의 강도가 강함
  • 전환선과 지지선의 이격이 좁아지거나 겹치면 추세의 둔화 또는 변곡 가능성을 암시 (변곡의 그래프 형태로 변화로 추세전환)

구름대: 과거의 지지 또는 저항 역할을 하는 영역

  • 주가 > 구름대
    • 상승추세
    • 상단(선행스팬1)과 하단(선행스팬2)는 상승추세의 지지선 역할, 구름대의 폭이 넓을수록 지지력이 강한 경향이 있음
  • 주가 < 구름대
    • 하락 추세
    • 상단(선행스팬1), 하단(선행스팬2)는 하락추세의 저항선 역할, 폭이 넓을구록 저향력이 강한 경향이 있음
  • 주가가 구름대 내에 존재
    • 횡보 또는 추세전환을 준비하는 과정으로 해석할 수 있음
    • 구름대 상한선은 저항, 하한선은 지지선 역할
    • 추세방향은 정해지지 않은 상태이므로 관망
  • 구름대 돌파
    • 주가가 구름대를 상향돌파: 오래 지속된 하락 추세 또는 횡보 구간후에 구름대의 상향돌파이면 상승추세로의 전환 가능성이 매우 높음, 특히 두꺼운 구름대의 돌파이면 신뢰도 증가
    • 주가가 구름대를 하향돌파: 오래 지속된 상승 추세 또는 횡보 구간후에 구름대의 하향돌파이면 하락추세로의 전환 가능성이 매우 높음, 특히 두꺼운 구름대의 돌파이면 신뢰도 증가
  • 구름대의 두께
    • 두꺼움: 지지 또는 저항의 힘이 강함. 돌파가 어려움. 일단 돌파 후 추세의 지속성이 강할 가능성이 높음
    • 얇음: 지지 또는 저항의 힘이 약함. 돌파 용이. 추세변동성이 커질 수 있음
  • 구름대는 현 시점 26일 후에 작성되므로 미래의 지지 및 저항 영역 예측에 도움

후행스팬은 26일 전 주가의 경향을 나타내는 것: 현재의 주가와 과거의 주가를 비교

  • 후행스팬 > 과거의 주가 : 현재주가 >과거주가를 의미. 두개의 간격이 벌어질수록 상승추세 강화, 반대로 작아진다면 상승세가 둔화를 고려
  • 후행스팬 < 과거주가: 현재주가 <과거주가를 의미. 두개의 간격이 벌어질수록 하락추세 강화, 반대로 작아진다면 하락세 둔화를 고려
  • 후행스팬과 과거주가사이의 이격이 과도한 경우 단기적인 반등 또는 조정 가능성을 암시(과도함이란 개인의 투자성향과 종목의 특성에 따라 주관적으로 판단)
  • 후행스팬이 과거의 주가를 상향돌파: 강한 상승으로 해석, 매수세가 강해지고 있음을 시사.
  • 후행스팬이 과거의 주가를 하향돌파: 하락 신호로 해석, 매도세가 상승하고 있음을 시사.
  • 후행스판은 후행성 지표로 주가의 움직임보다 늦게 반응하므로 이 지표만으로 매매결정은 위험, 다른 지표들과 종합적으로 고려

삼역호전 (三役好転) / 삼역역전 (三役逆転):

  • 삼역호전: 주가가 구름대 위, 전환선이 기준선 위, 후행스팬이 26일 전 주가 위에 위치할 때 강력한 매수 신호로 봅니다.
  • 삼역역전: 주가가 구름대 아래, 전환선이 기준선 아래, 후행스팬이 26일 전 주가 아래에 위치할 때 강력한 매도 신호로 봅니다.

일목균형표의 활용 방법

  • 추세 판단: 상승, 하락, 횡보 추세를 시각적으로 쉽게 파악할 수 있도록 돕습니다.
  • 지지 및 저항 수준 확인: 구름대와 선행 스팬들을 통해 미래의 지지 및 저항 가능 영역을 예측할 수 있습니다.
  • 매매 시점 포착: 전환선-기준선 교차, 후행스팬의 주가 돌파, 삼역호전/역전 등을 통해 매수 및 매도 시점을 판단하는 데 활용할 수 있습니다.
  • 추세 강도 측정: 구름대의 두께나 선들의 배열 상태를 통해 현재 추세의 강도를 가늠해 볼 수 있습니다.
  • 다른 기술적 지표와의 조합: 다른 보조 지표들과 함께 사용하여 분석의 신뢰도를 높일 수 있습니다.
  • 일목균형표는 복잡해 보일 수 있지만, 각 구성 요소의 의미와 상호 관계를 이해하면 시장 상황을 종합적으로 분석하고 투자 전략을 수립하는 데 매우 유용한 도구가 될 수 있습니다.
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 »