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...

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 ...