기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[stock]ATR (Average True Range)

ATR (Average True Range)

시장 변동성을 측정하는 지표로 특정기간 동안 가격의 방향이 아닌 변동폭의 평균을 나타냅니다.

계산방법

  • 각 기간의 True range(TR)을 계산
  • $$\text{TR} = \text{max(당일고가 - 당일저가, |당일고가 - 전일종가|, |당일저가 - 전일종가|)}$$
  • ATR은 일정기간 TR의 이동평균으로 일반적으로 14일을 사용합니다. 초기 ATR은 처음 14개의 TR값의 산술평균으로 계산하며 이루 ATR은 다음과 같이 계산합니다.
  • $$\text{ATR}_t = \frac{\text{ATR}_{t-1} \times (n-1)+\text{TR}_t}{n}$$
  • ATRt, ATRt-1: 현재 t와 이전 시점의 ATR 값
  • n: ATR 계산기간(일반적으로 14)
  • TRt: 현재 기간의 TR

pandas_ta.atr(high, low, close, length=None, mamode=None, talib=None, drift=None, offset=None, **kwargs)를 사용하여 계산합니다. 위 계산과는 약간의 차이를 보이며 mamode에 이동평균의 방식을 지정함으로서 TR의 이동평균을 계산합니다. 기본값은 wilder's smoothing MA(RMA)입니다. 매개변수 diff를 사용하여 현재와 이전의 차이를 1이외의 더 차이나게 지정할 수 있습니다. 기본값은 1입니다. 인수중 percent=True로 지정하면 "atrt*100/종가"로 계산한 결과를 반환합니다.

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

st=pd.Timestamp(2024,1, 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]

atr=ta.atr(trg.High, trg.Low, trg.Close, percent=True)
atr.tail(3)
Date
2025-04-25    3.999143
2025-04-28    3.946917
2025-04-29    3.839446
Name: ATRr_14p, dtype: float64

위 결과를 그래프로 작성합니다.

adp=[mpf.make_addplot(atr, panel=1, color="brown",  label="atr"), 
     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(atr.mean(), color="gray", linestyle="dotted", label=r"$\mu$")
axs[0].legend(loc="upper left")
axs[2].legend(loc="upper left")
plt.show()

위 두개의 그래프는 가격의 변동에 의해 ATR의 변화를 보임을 나타냅니다. 추세의 방향과는 무관하며 가격 변동에 반응을 보이지만 평활화 기능으로 인해 가격 변화가 반응은 그 크기에 따라 제한적입니다. 또한 가격변화에 따른 반응이 후진적입니다. 단지 다음을 참고할 수 있습니다.

  • ATR 상승: 시장의 변동성이 증가하고 있음을 나타냅니다. 이는 가격 움직임의 폭이 커지고 추세가 강화될 수 있는 신호로 해석될 수 있습니다.
  • ATR 하락: 시장의 변동성이 감소하고 있음을 나타냅니다. 이는 가격 움직임이 제한적이고 횡보 추세가 나타날 수 있음을 시사합니다.

위 두 사항을 기반으로 ADX와 같은 다른 지표와 연계가 필요합니다. 이 지표를 독단적으로 사용하는 것은 위험합니다.

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 ...