기본 콘텐츠로 건너뛰기

[matplotlib]quiver()함수

댓글 쓰기

[stock] Coppock Curve

Coppock Curve

장기 투자자들을 위해 개발된 기술적 분석 지표로, 특히 상당한 시장 하락 이후 주요 매수 기회를 포착하는 데 사용됩니다.

  1. sumRoc = RoC(14) + RoC(11)
  2. Coppock} = WMA(sumRoc, 10)

pandas_ta.coppock(close, length=None, fast=None, slow=None, offset=None, **kwargs) 함수로 계산합니다. length의 기본값은 10이며 ROC 계산을 위한 기간은 2가지입니다. fast, slow로서 각각의 기본값은 11, 14일 입니다. 

import numpy as np
import pandas as pd
import FinanceDataReader as fdr
import pandas_ta as ta

st=pd.Timestamp(2024,9, 1)
et=pd.Timestamp(2025, 5,7)
trgnme="000660"
trg=fdr.DataReader(trgnme,  st, et)[["Open", "High", "Low", "Close", "Volume"]]

coppock=trg.ta.coppock(length=5)
coppock.tail(3)
Date
2025-04-30    4.708481
2025-05-02    5.860197
2025-05-07    8.467832
Name: COPC_11_14_5, dtype: float64
adf=[mpf.make_addplot(trg.ta.ema(5), panel=0, color="brown",  label="sma_10"),
     mpf.make_addplot(trg.ta.ema(20), panel=0, color="navy",  label="ema_10"),
     mpf.make_addplot(coppock, panel=1, color="brown", label="coppock")]
f, axs=mpf.plot(trg, type="candle", style="yahoo",  volume=False, addplot=adf, returnfig=True, figsize=(12,4))
axs[0].legend(loc="upper left")
axs[2].axhline(0, color="navy", ls="dashed")
axs[2].legend(loc="upper left")
plt.show()
  • 0선 아래에서 저점을 찍고 위로 방향을 틀 때 매수신호. 이는 상당한 하락 추세가 끝나고 새로운 장기 상승 추세가 시작될 수 있음을 시사
  • 코포크 곡선 자체가 매도 신호를 위해 설계된 것은 아니지만, 일부 분석가들은 지표가 0선 위에서 고점을 찍고 아래로 방향을 틀 때 모멘텀 약화와 잠재적인 하락 추세로의 전환을 나타내는 매도 신호로 해석하기도 합니다.

코포크 곡선은 월봉 차트에 가장 적합하며, 주요 시장 반전을 찾는 장기 투자자를 위한 도구입니다. 더 짧은 기간의 차트에도 적용할 수 있지만, 신호의 신뢰성은 떨어질 수 있습니다.

다른 많은 모멘텀 지표와 마찬가지로 코포크 곡선은 후행성 지표입니다. 즉, 과거 가격 움직임을 기반으로 신호를 제공하므로 시장 저점을 정확하게 포착하지 못할 수 있습니다. 오히려 상승세가 시작되었음을 확인하는 데 목적이 있습니다.

주요 매수 신호는 지표가 음수 영역에 있다가 0선을 상향 돌파할 때 발생합니다.

상대 강도 지수 (RSI)와 같은 오실레이터와 달리 코포크 곡선에는 특정 과매수 또는 과매도 수준이 없습니다. 해석은 주로 0선을 기준으로 곡선의 방향과 전환에 초점을 맞춥니다.

신호의 신뢰도를 높이기 위해 추세선, 이동 평균, 다른 모멘텀 지표 등 다른 기술적 분석 도구와 함께 사용하는 것이 일반적입니다.

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 »