기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

댓글 쓰기

[stock]BOP(Balance of Power)

Balance of Power (BOP)

$$\text{BOP} = \frac{\text{Close} - \frac{\text{High} + \text{Low}}{2}}{\text{High} - \text{Low}}$$

Close, High, Low: 해당기간의 종가, 고가, 저가

BOP는 전체 범위 중에서 종가의 위치를 나타내는 지표로 [-1, +1]사이의 값입니다. -1에 근접할수록 종가는 저가에 근접하는 것으로 하락장으로 매도세가 우세, 반대는 상승장으로 매수세가 우세함을 의미합니다. 즉 BOP는 매수세력과 매도세력의 강약을 측정하여 시장의 추세를 파악하는데 도움을 주는 모멘텀 지표입니다.

pandas_ta.bop(open_, high, low, close, scalar=None, talib=None, offset=None, **kwargs)함수를 사용합니다. 이 함수에서는 위 식의 $\frac{\text{High} + \text{Low}}{2}$ 대신 시가를 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

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]
bop=ta.bop(trg.Open, trg.High, trg.Low, trg.Close)
bop.tail(3)
Date
2025-04-25    0.370370
2025-04-28    0.327273
2025-04-29   -0.545455
Name: BOP, dtype: float64
adp=[mpf.make_addplot(bop, panel=2, color="brown",  label="bop"), 
     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=True, returnfig=True, xlim=(pd.to_datetime("2025, 03, 01"), pd.to_datetime("2025, 04, 30")), figsize=(12,6))
axs[4].axhline(0, color="navy", linestyle="dotted")
axs[0].legend(loc="upper left")
axs[4].legend(loc="upper left")
plt.show()

거래량에서 녹색은 종가>시가, 분홍색은 종가<시가를 의미합니다.

위 그래프의 마지막일의 거래량은 종가<시가로 매도세가 우세하고 bop 역시 0선 아래로 이격을 계속 증가시키고 있습니다. 이전 음영역 피크에 근접하고 있지만 거래량은 감소하는 추세이므로 매도세의 우세 정도가 감소할 것이고 해석할 수 있습니다. 즉, 반전의 모멘텀이 나타날 수 있음을 고려할 수 있습니다.

  • +1에 근접할수록 종가가 고가 근처에 형성된 것을 의미하는 것으로 매수세가 강함을 의미, 0선과 이격이 클수록 그 강도가 큼을 나타냄, 그러나 +1에 최근접은 추세의 지속이 일어날 수 있지만 반전을 고려할 수 있으므로 다른 지표들과의 합동분석이 필요
  • -1에 근접할수록 종가가 저가 근처에 형성된 것을 의미하는 것으로 매도세가 강함을 의미, 0선과 이격이 클수록 그 강도가 큼을 나타냄, 그러나 -1에 최근접은 추세의 지속이 일어날 수 있지만 반전을 고려할 수 있으므로 다른 지표들과의 합동분석이 필요
  • 0에 근접은 매수세와 매도세의 균형이 유지됨을 의미하는 것으로 횡보를 나타냄
  • 0선을 상향돌파시 매수세가 매도세를 우위로 변경됨을 의미
  • 0선을 하향돌파시 매도세가 매수세를 우위로 변경됨을 의미
  • BOP 상승, 가격 하락: 매수세가 상승하는데 가격이 하락됨은 주가 저점형성에 근접함으로 해석할 수 있으므로 매수전략을 고려할 수 있음
  • BOP 하락, 가격 상승: 매도세가 상승하는데 가격이 상승됨은 주가 고점형성에 근접함으로 해석할 수 있으므로 매도전략을 고려할 수 있음

BOP는 단기적인 매수/매도 압력 측정에 유용하지만 장기적인 추세를 나타내지는 않는다는 점을 유의하고 장기 추세 분석을 위해서는 다른 지표와 함께 사용되어야 합니다. 또한 횡보장에서는 BOP의 잦은 신호로 신뢰도가 저하될 수 있습니다.

거래량과의 같이 분석해야 합니다.

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 »

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...
댓글 쓰기
Read more »