기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[stock] OBV(On-Balance Volume)

OBV(On-Balance Volume)

거래량 기반의 지표로 가격변동과 거래량 간의 관계를 분석하여 매수, 매도 압력을 측정하고 추세의 강도를 예측하는데 사용됩니다.

이 지표는 매수거래량의 증가가 가격 상승의 원인이고 매도거래량의 증가는 가격하락의 원인이 되는 경향을 기반으로 "거래량이 가격에 선행"한다는것을 기반으로 합니다. 그러므로 OBV는 상승하는 날의 거래량은 누적하여 더하고 하락하는 날의 거래량은 누적하여 뺴는 방식으로 계산됩니다.

  • 당일 종가 > 전일 종가 : 현재 OBV = 이전 OBV + 당일 거래량
  • 당일 종가 < 전일 종가 : 현재 OBV = 이전 OBV - 당일 거래량
  • 당일 종가 = 전일 종가 : 현재 OBV = 이전 OBV
  • 최초 obv값은 그 시점의 거래량을 사용합니다.

pandas_ta.obv(close, volume, talib=None, offset=None, **kwargs) 함수로 계산합니다.

import numpy as np
import pandas as pd
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, 5,2)
trgnme="000660"
trg=fdr.DataReader(trgnme,  st, et)

obv=ta.obv(trg.Close, trg.Volume)
obv.tail(3)
Date
2025-04-29    1907905.0
2025-04-30    -446568.0
2025-05-02    3439701.0
Name: OBV, dtype: float64
macd=ta.macd(trg.Close, 5, 20)
adf=[mpf.make_addplot(ta.ema(trg.Close, 5), panel=0, color="brown", label="ema5"),
     mpf.make_addplot(ta.ema(trg.Close, 20), panel=0, color="navy", label="ema20"),
     mpf.make_addplot(obv, panel=2, color="brown", label="obv"),
     mpf.make_addplot(macd.iloc[:,0], panel=3, color="brown", label="macd_fast"),
     mpf.make_addplot(macd.iloc[:,2], panel=3, color="navy", label="macd_slow")]
f, axs=mpf.plot(trg, type="candle", style="yahoo",volume=True, addplot=adf, returnfig=True, figsize=(12,8))
axs[0].legend(loc="upper left")
axs[4].legend(loc="upper left")
axs[6].legend(loc="upper left")
plt.show()

OBV의 상승은 매수압력의 상승, 하락은 매도압력의 상승을 나타냅니다. 값 자체 보다 OBV선의 움직임과 가격 움직임 간과 관계를 분석하는 것이 중요

  • 추세확인
    • 가격상승, OBV 상승: 상승추세가 강하게 유지
    • 가격하락, OBV 하락: 하락추세가 강하게 유지
  • 다이버전스: 가격과 OBV의 방향의 다름은 추세전환을 암시
    • 상승다이버전스: 가격 하락 또는 횡보, OBV 상승 → 매수압력 증가, 가격 상승을 암시
    • 하락다이버전스: 가격 상승 또는 횡보, OBV 하강 → 매도압력 증가, 가격 하락을 암시
  • 돌파확인
    • 가격이 중요한 저항선을 돌파할 때 OBV 상승: 해당 돌파가 거래량(매수)에 의해 뒷받침되는 강한 신호
    • 가격이 중요한 지지선을 돌파할 때 OBV 하강: 해당 돌파가 거래량(매도)에 의해 뒷받침되는 것으로 하락의 강한 신호

다른 지표와 함께 사용, 횡보추세에서는 신뢰도가 낮을 수 있음

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...

부분분수의 미분

내용 방법 1 방법 2 방법 3 부분분수의 미분 분수의 미분은 일정한 공식 을 적용하여 계산할 수 있습니다. 그러나 분수 자체가 단순한 표현으로 이루어지지 않았다면 미분 과정이나 결과는 매우 복잡할 수 있습니다. 만약 복잡한 분수 함수를 간단한 분수들로 분해할 수 있다면 계산이 보다 간편해질 것입니다. 이와 같이 분해된 간단한 분수들을 부분분수 라고 합니다. 예를 들어 다음 두 분수의 합을 계산해 봅니다. $$\begin{align} \frac{1}{x+1}+\frac{2}{x-1}&=\frac{x-1+2(x+1)}{(x+1)(x-1)}\\ &=\frac{3x+1}{x^2-1} \end{align}$$ 위 과정은 3개 이상의 여러 분수에서도 이루어질 수 있습니다. 또한 역으로 진행될 수 있습니다. 즉, 분수를 부분 분수로 분할할 수 있습니다. 그러나 이러한 과정은 대수분수 (분자의 가장 큰 차수가 분모의 최고의 차수보다 작은 분수)에서만 이루어질 수 있습니다. 예를 들어 $\displaystyle \frac {x^2+2}{x^2-1}$의 경우는 분자와 분모의 차수는 2차로 같습니다. 이러한 경우 다음과 같이 분리할 수 있습니다. $$\frac{x^2+2}{x^2-1}=1+\frac{3}{x^2-1}$$ 위의 식 중 $\displaystyle \frac{3}{x^2-1}$은 분자의 차수가 분모의 차수 보다 낮은 대수 분수이므로 부분 분수로 분리할 수 있습니다. 이와같이 부분 분수로 분해하는 방법은 다음과 같이 몇 가지로 구분할 수 있습니다. 방법 1 위 예의 결과 $\displaystyle \frac{3x+1}{x^2-1}$의 경우를 역으로 생각해 봅니다. 분모의 인수분해가 가능하면 그 분모의 인수에 의해 다음과 같이 분해할 수 있습니다. $$\begin{align} \frac{3x+1}{x^2-1}&=\frac{3x+1}{(x+1)(x-1)}\\ &=\frac{A}{x+1...