기본 콘텐츠로 건너뛰기

[matplotlib]quiver()함수

댓글 쓰기

[stock] Aroon

Aroon

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

$$\begin{align} \text{Aroon Up} &=\frac{\text{분석기간-(분석기간 중 최고가가 나타난 날까지의 일수)}}{\text{분석기간}} \times 100 \\ \text{Aroon Down} &=\frac{\text{분석기간-(분석기간 중 최저가가 나타난 날까지의 일수)}}{\text{분석기간}} \times 100\\ \text{Aroon _osc}&=\text{Aroon Up}-\text{Aroon Down}\end{align}$$

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.
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 »