기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[stock]CMF(Chaikin Money Flow)

CMF(Chaikin Money Flow)

특정기간 동안 자금의 흐름을 측정하는 지표로 잠재적인 추세 파악과 그 강도를 확인하는데 도움이 됩니다.

  • Money Flow Mutiplier(MFM) 계산
    • $\text{MFM} = \frac{\text{(Close - Low)-(High - Close)}}{\text{High - Low}}$
    • 상승추세(변동 증가)에서 종가는 고가 근처이므로 Close-Low 증가 즉, +영역에서 상승 기울기 증가
    • 하락추세(변동 증가)에서 종가는 저가 근처이므로 High-Close 증가 즉, -영역에서 하락기울기 증가
  • MFV(Money Flow Volume) = MFM × Volume
  • CFM 계산
    • $\text{CFM} = \frac{\sum^n_{i=1}\text{MFV}}{\sum^n_{i=1}\text{Volume}}$

CFM의 기본개념

  • 종가가 해당일의 고가에 가까울수록 매수가 발생한 것으로 간주
  • 종가가 해당일의 저가에 가까울수록 매도가 발생한 것으로 간주
  • 각각에 거래량을 가중하여 자금의 흐름을 수치화

pandas_ta.cmf(high, low, close, volume, open_=None, length=None, offset=None, **kwargs)로 계산합니다. length는 MFV를 합하는 기간으로 기본값은 20입니다.

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import pandas_ta as ta
import FinanceDataReader as fdr
import matplotlib.pyplot as plt
import mplfinance as mpf

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"]]

cmf=trg.ta.cmf()
cmf.tail(3)
	CMF_20
Date	
2025-04-30	-0.173823
2025-05-02	-0.180693
2025-05-07	-0.114562

dtype: float64
rsi=trg.ta.rsi()
adf=[mpf.make_addplot(trg.ta.ema(5), panel=0, color="brown",  label="ema5"),
     mpf.make_addplot(trg.ta.ema(20), panel=0, color="navy",  label="ema20"),
     mpf.make_addplot(cmf, panel=2, color="brown",  label="Long"), 
     mpf.make_addplot(rsi, panel=3, color="brown",  label="RSI")]
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[4].axhline(0, color="orange", ls="dashed")
axs[4].axhline(-0.25, color="gray", ls="dashed")
axs[4].axhline(0.25, color="gray", ls="dashed")
axs[6].legend(loc="upper left")
axs[6].axhline(70, color="r", ls="dashed")
axs[6].axhline(50, color="g", ls="dashed")
axs[6].axhline(30, color="b", ls="dashed")
plt.show()
  • 가격 상승 → CFM 상승
  • 가격 하락 → CFM 하락
  • 0선 위: 매수 압력이 매도 압력보다 강하며, 상승 추세 암시
  • 0선 아래: 매도 압력이 매수 압력보다 강하며, 하락 추세 암시
  • +0.25 이상: 강한 매수 압력을 시사
  • -0.25 이하: 강한 매도 압력을 시사
  • 0선 교차:
    • 아래에서 위로 0선 돌파: 매수 신호로 해석
    • 위에서 아래로 0선 돌파: 매도 신호로 해석
  • 가격과의 다이버전스:
    • 가격은 상승하는데 CFM은 하락하는 경우: 상승 추세 약화 또는 하락 추세로의 전환 가능성을 시사(약세 다이버전스)
    • 가격은 하락하는데 CFM은 상승하는 경우: 하락 추세 약화 또는 상승 추세로의 전환 가능성을 시사(강세 다이버전스)

활용

  • 추세 확인: 기존 추세의 강도를 확인하는 데 사용할 수 있습니다.
    • CFM이 추세 방향과 함께 움직이면 추세가 강하다고 볼 수 있습니다.
  • 추세 반전 예측: 가격과 CFM 간의 다이버전스를 통해 추세 반전 가능성을 예측할 수 있습니다.
  • 돌파 확인: 지지선이나 저항선 돌파 시 CFM이 함께 상승 또는 하락하면 돌파의 신뢰도를 높일 수 있습니다.

MACD, RSI 등 다른 기술적 지표와 함께 사용하여 분석의 정확도를 높일 수 있습니다. 예를 들어, CFM이 0선 위로 상승하고 RSI가 과매수 상태가 아닌 경우 매수 신호로 해석할 수 있습니다.

주의사항:

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...

[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...

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...