기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[stock] Aroon

Aroon

특정기간 동안 최고가와 최저가가 얼마나 최근에 나타났는지를 분석하여 추세의 강도와 방향을 파악하는 데 사용되는 지표입니다.

$$\begin{align} \text{Aroon Up} &=\frac{\text{분석기간-(최고가 이후 경과일수)}}{\text{분석기간}} \times 100 \\ \text{Aroon Down} &=\frac{\text{분석기간-(최저가 이후 경과 일수)}}{\text{분석기간}} \times 100\\ \text{Aroon _osc}&=\text{Aroon Up}-\text{Aroon Down}\end{align}$$
  • 최고가 이후 경과일수: 분석기간이 14일, 그 기간 중 10일째 최고가가 나타난다면 14-10=4
  • 최저가 이후 경과일수: 분석기간이 14일, 그 기간 중 10일째 최저가가 나타난다면 14-10=4

일반적으로 분석기간은 14일을 사용합니다.

pandas_ta.aroon(high, low, length=None, scalar=None, talib=None, offset=None, **kwargs)를 사용합니다.

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

st=pd.Timestamp(2024,9, 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]

aroon=ta.aroon(trg.High, trg.Low)
aroon.tail(3)
AROOND_14 AROONU_14 AROONOSC_14
Date
2025-04-25 14.285714 21.428571 7.142857
2025-04-28 7.142857 14.285714 7.142857
2025-04-29 0.000000 7.142857 7.142857
adp=[mpf.make_addplot(aroon.iloc[:,0], panel=1, color="Navy",  label="aroon_down"), 
     mpf.make_addplot(aroon.iloc[:,1], panel=1, color="brown",  label="aroon_up"), 
     mpf.make_addplot(aroon.iloc[:,2], type="bar", panel=1, color=["r" if x>0 else "b" for x in aroon.iloc[:,2]],  label="aroon_osc"), 
     mpf.make_addplot(ta.ema(trg.Close, 5), panel=0, color="orange", label="EMA5"),
   mpf.make_addplot(ta.ema(trg.Close, 20), panel=0, color="navy", label="EMA20")]
fig, axs=mpf.plot(trg, type="candle", style="yahoo", addplot=adp, volume=False, returnfig=True, figsize=(12,6))
axs[2].axhline(50, color="gray", ls="dotted")
axs[0].legend(loc="upper left")
axs[2].legend(loc="upper left")
plt.show()

aroon은 [0, 100]사이의 값으로 Up이 100이면 주가 고점, Down이 100이면 주가 저점과의 거의 일치합니다. 그 지점에서 오실레이터는 peak를 나타냅니다. 또한 50을 기준으로 위쪽을 점유하는 선의 종류에 따라 상승 또는 하락 추세와 일치하며 Up과 Down의 이격이 클수록 그 추세의 강도가 증가합니다. 두선의 이격이 일정하고 같은 방향으로 움직인 경우 횡보 구간과 일치합니다. 또한 두 선의 교차에 따라 추세의 방향 반전이 일어납니다. 이와 같은 해석을 다음과 같이 요약할 수 있습니다. 위 결과의 마지막 구간은 횡보를 보이지만 Up이 우위에 있으면서 0선에 저점에 도달함을 암시합니다. 이것은 상승으로 전환을 고려할 수 있음을 시사합니다.

  • Aroon Up: 값이 높을수록 최고가가 최근에 나타났다는 의미, 상승추세가 강할 가능성을 시사
  • Aroon Down: 값이 높을수록 최저가가 최근에 나타났다는 의미, 하락추세가 강할 가능성을 시사
  • Aroon Up > Aroon Down: 상승 추세가 우세할 가능성이 높습니다.
    값이 50이상이고 이상태가 지속된다면 상승추세의 지속, 매수 전략 유지
  • Aroon Up < Aroon Down: 하락 추세가 우세할 가능성이 높습니다.
    값이 50 이상이고 이 상태가 지속된다면 하락추세의 지속, 매도전략 유지
  • 교차(Crossover): Aroon Up이 Down 위로 상향돌파하면 매수신호, 반대인 경우 매도신호로 해석할 수 있습니다.
  • 값 > 70 : 강한 추세가 지속될 가능성이 높음
    • Aroon Up > 7o: 강한 상승
    • Aroon Down > 7o: 강한 하락
  • 값 < 30: 약한 추세 또는 횡보
    • 두선 모두 50 근처 : 추세 없는 횡보구간일 가능성이 높음
    • 두선 모두 50 근처에서 움직이다가 한선이 급격하게 상승 또는 하락하면 추세전환의 가능성을 시사함
  • 다른 지표와 함께 사용, 이평선의 상승과 Aroon Up 값이 높다면 추세의 신뢰가 증가
  • 후행성지표 성격을 가지므로 추세전환시점이 늦을 수 있으며 횡보구간에서는 잦은 매매신호가 발생합니다.

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 ...