기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[Stock]Stochastic Oscillator & StochRSI

Stochastic Oscillator & StochRSI

Stochastic Oscillator

일정기간 동안의 최고가와 최저가 범위 내에서 현재 종가의 상대적 위치를 측정하는 모멘텀 지표로서 가격 움직임의 속도와 강도 파악에 적용할 수 있습니다. 지표는 추세 상승의 경우 종가가 해당기간의 고가 근처에 형성, 하락 추세에서는 저가 근처에서 형성되는 경향과 가격 변동 방향의 전환 전에 모멘텀이 먼저 둔화된다는 점에 기반을 둔 것입니다.

계산

$$\begin{align}&\begin{aligned}\text{STOCH}&=\frac{\text{Close} - \text{Low(n)}}{\text{High(n)} - \text{Low(n)}} \\ \%K\,(\text{Fast Stochastic})&=\text{SMA}(\text{STOCH}, m)\\ \%D\,(\text{Slow Stochastic})&=\text{SMA}(\%K, m)\end{aligned}\\\\ & \text{Close: 현재 종가}\\&\text{Low(n), High(n): n기간동안의 최저가, 최고가}\\ &\text{일반적으로 n =14, m = 3}\end{align}$$

pandas_ta.stoch(high, low, close, k=None, d=None, smooth_k=None, mamode=None, offset=None, **kwargs)를 사용하여 계산할 수 있습니다. 인수 k, d, 그리고 smooth_k는 각각 위 식의 STOCH의 n, fast %K의 m, slow %D의 m을 지정하기 위한 것으로 기본값은 각각 14, 3, 3입니다. mamode는 이평 계산방식을 지정하는 것으로 기본값은 단순이동평균 'sma'입니다. %K와 그 값의 이동평균인 %D를 반환합니다.

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

st=pd.Timestamp(2024,9, 1)
et=pd.Timestamp(2025, 5,3)
trgnme="000660"
trg=fdr.DataReader(trgnme,  st, et)[["Open", "High", "Low", "Close", "Volume"]]

df=trg.iloc[:,:-1].copy()
df[['%K', "%D"]]=df.ta.stoch()
df.tail(3)
Open High Low Close %K %D
Date
2025-04-29 182000 182900 179100 180800 66.819684 68.106561
2025-04-30 179100 180000 176700 177500 54.730363 63.637597
2025-05-02 179400 186200 178400 186000 63.948773 61.832940
adf=[mpf.make_addplot(ta.ema(df.Close, 5), panel=0, color="brown", label="ema5"),
mpf.make_addplot(ta.ema(df.Close, 20), panel=0, color="navy", label="ema20"),
     mpf.make_addplot(df["%K"], panel=1, color="brown", label="%K", title="Stochastic"),
     mpf.make_addplot(df["%D"], panel=1, color="navy", label="%D")]
f, axs=mpf.plot(df.iloc[:,:4], type="candle", style="yahoo",volume=False, addplot=adf, returnfig=True, figsize=(12,8))
axs[0].legend(loc="upper left")
axs[2].legend(loc="upper left")
axs[2].axhline(80, color='r', ls="dashed" )
axs[2].axhline(20, color='b', ls="dashed" )
plt.show()

두선의 상승은 상승, 반대는 하락을 나타냅니다. %D는 %K의 이평선이므로 이들의 상승추세인 경우 %K가 위, 하락 추세인 경우는 아래에 위치합니다. 각 선의 위치 전환에 따라 추세 전환을 암시합니다. 또한 80선과 20선을 기준으로 다음과 같은 해석이 가능합니다.

해석

과매도와 과매수 영역

  • 일반적으로 > 80: 과매수 영역으로 간주할 수 있으며 가격이 단기적으로 너무 많이 상승하여 매도 압력 증가
  • 일반적으로 < 20: 과매도 영역으로 간주할 수 있으며 가격이 단기적으로 너무 많이 하락하여 매수 압력 증가
  • 그러나 강한 추세에서는 오랫동안 과매도, 과매수 영역에 머무를 수 있음을 고려하여야 함

매수와 매도 신호

  • 과매도 영역에서 %K이 %D를 상위교차, 과매도 영역을 벗어난 직후 %K의 상위교차가 발생시 매수신호
  • 과매수 영역에서 %K이 %D를 하위교차, 과매수 영역을 벗어난 직후 %K의하위교차가 발생시 매도신호

Divergence(벌어짐): 가격의 움직임과 스토캐스틱 오실레이터의 움직임이 반대 방향으로 나타나는 현상으로 추세반전의 강력한 신호로 간주할 수 있음

  • 상승 다이버전스: 가격의 저점 하락, 스토캐스틱 저점 상승의 경우 매수신호 가능성 증가
  • 하락 다이버전스: 가격 고점상승, 스토캐스틱 고점 하락의 경우 매도 신호 가능성 능가

장점: 과매도, 과매수 상태를 효과적으로 식별, 가격 움직임보다 추세 전환의 가능성을 선파악에 유리합니다. 또한 상태적으로 짧은 기간의 가격변동에 민감하게 반응합니다.

단점: 횡보 또는 변동성이 큰 상황에서 잘못된 신호의 발생이 빈번할 수 있고 장기간의 과매도, 과매수 영역에 머무를 경우 잘못된 오신호의 발생 가능성이 증가하므로 다른 지표와 함께 사용 (MACD, RSI, MA 등)

StochRSI

RSI지표에 Stochastic Oscillator의 개념을 적용한 모멘트 지표입니다.

$$\begin{align}\text{StochRSI}& = 100 \times \frac{\text{RSI - Low(n)}}{\text{High(n) - Low(n)}}\\ \text{StochRSI_k}& = \text{SMA(STOCHRSI, k)}\\ \text{StochRSI_d}& = \text{SMA(STOCHRSIk, d)} \end{align}$$

위 식에서 각 계산 기간 n, k, d는 은 일반적으로 14, 3, 3일을 사용합니다.

pandas_ta.stochrsi(close, length=None, rsi_length=None, k=None, d=None, mamode=None, offset=None, **kwargs) 함수를 사용합니다.이 함수의 결과는 RSI%K, RSI%D를 반환하면 RSI 계산을 위한 기간(length)의 기간의 기본값은 14이며 스토캐스틱을 계산하기 위한 기간 ris_length, 그 값의 스토캐스틱의 이평 %K를 위한 기간 k, %K의 이평 계산 즉, %D를 위한 기간 d이며 각각의 기본값은 14, 3, 3입니다.

df=trg.copy()
df[['%K','%D']] = df.ta.stochrsi()
df.tail(3)
Open High Low Close Volume %K %D
Date
2025-04-29 182000 182900 179100 180800 1866386 87.202132 92.128631
2025-04-30 179100 180000 176700 177500 2354473 69.095675 83.065877
2025-05-02 179400 186200 178400 186000 3886269 72.479786 76.259198
adf=[mpf.make_addplot(ta.ema(df.Close, 5), panel=0, color="brown", label="ema5"),
mpf.make_addplot(ta.ema(df.Close, 20), panel=0, color="navy", label="ema20"),
     mpf.make_addplot(df["%K"], panel=1, color="brown", label="%K", title="StochasticRSI"),
     mpf.make_addplot(df["%D"], panel=1, color="navy", label="%D")]
f, axs=mpf.plot(df.iloc[:,:4], type="candle", style="yahoo",volume=False, addplot=adf, returnfig=True, figsize=(12,8))
axs[0].legend(loc="upper left")
axs[2].legend(loc="upper left")
axs[2].axhline(80, color='r', ls="dashed" )
axs[2].axhline(20, color='b', ls="dashed" )
plt.show()

stochastic oscillator와 유사하지만 변화의 폭이 더 큰 형태를 보입니다. 기본적으로 지표의 상승은 가격의 상승, 하락은 가격의 하락과 매칭됩니다. 또한 상승추세에서는 %K > %D, 하락 추세에서는 반대의 형태를 보입니다. %K와 %D의 교차로 추세 전환을 암시하는데 가격의 변화보다 앞선 신호를 전달하는 경향이 있습니다.

  • 과매수 및 과매도:
    • > 80: 과매수 상태로 간주하며, 가격 하락 가능성을 시사
    • < 20: 과매도 상태로 간주하며, 가격 상승 가능성을 시사
    • 일반적인 RSI보다 과매수/과매도 영역에 더 자주 도달하는 경향이 있습니다.
  • 중심선 () 돌파:
    • 50 위로 돌파: 상승 추세의 강화 또는 시작을 시사
    • 50 아래로 하향 돌파: 하락 추세의 강화 또는 시작을 시사
  • 교차 (Crossovers):
    • %K 선이 %D 선을 상향 돌파: 매수 신호로 시사
    • %K 선이 %D 선을 하향 돌파: 매도 신호로 시사
  • 다이버전스 (Divergence):
    • 강세 다이버전스: 가격은 저점을 낮추는데 StochRSI는 저점을 높이는 경우 (상승 반전 가능성).
    • 약세 다이버전스: 가격은 고점을 높이는데 StochRSI는 고점을 낮추는 경우 (하락 반전 가능성).

장점

  • RSI보다 더욱 민감하게 과매수/과매도 상태를 감지하여 더 빠른 거래 신호를 제공할 수 있습니다.
  • 횡보장에서의 단기적인 반등 및 하락을 포착하는 데 유용할 수 있습니다.
  • 다이버전스를 통해 추세 반전 가능성을 조기에 감지하는 데 도움을 줄 수 있습니다.

단점

  • 민감도가 높아 노이즈(false signal)가 많이 발생할 수 있습니다.
  • 강한 추세 시장에서는 과매수/과매도 상태가 오래 지속될 수 있으므로 주의해야 합니다.
  • 단독으로 사용하기보다는 다른 기술적 지표 및 분석 방법과 함께 사용하는 것이 좋습니다.

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 ...