기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[stock]KAMA(Kaufman Adaptive Moving Average)

KAMA (Kaufman Adaptive Moving Average)

시장의 변동성이나 노이즈를 고려하여 설계된 이동평균선입니다. 일반적인 이동평균선과는 달리, KAMA는 시장 상황에 따라 평활화 계수를 자동으로 조정합니다.

계산

  1. 효율성 비율 (Efficiency Ratio, ER) 계산
    • ER은 특정 기간 동안의 가격 변화폭을 총 가격 변동폭으로 나눈 값입니다.
    • 가격이 한 방향으로 꾸준히 움직일수록 ER은 1에 가까워지고, 가격 변동이 심할수록 0에 가까워집니다.
    • $$\begin{align}&\text{ER} = \frac{|\text{Close}_t - \text{Close}_{t-n}|}{\sum_{i=1}^{n} |\text{Close}_i - \text{Close}_{i-1}|}\\ &\text{Close}_t: \text{현재 종가}\\&\text{Close}_{t-n}: \text{n일 전 종가} \end{align}$$
  2. 평활 상수 (Smoothing Constant, SC) 계산
    • SC는 ER을 기반으로 계산되며, KAMA가 가격 변화에 얼마나 민감하게 반응할지를 결정합니다.
    • 빠른 EMA 상수 (보통 2/(2+1))와 느린 EMA 상수 (보통 2/(30+1))를 사용하여 SC를 계산합니다.
    • $$\text{SC} = [ER \times (\text{Fastest EMA Constant} - \text{Slowest EMA Constant}) + \text{Slowest EMA Constant}]^2$$
  3. KAMA 계산
    • KAMA는 이전 KAMA 값과 현재 가격 사이의 차이에 SC를 곱한 값을 더하여 계산됩니다.
    • $$\text{KAMA}_t = \text{KAMA}_{t-1} + SC_t \times (\text{Close}_t - \text{KAMA}_{t-1})$$
    • 초기 KAMA 값은 일반적으로 첫 n 기간의 단순 이동평균(SMA)을 사용합니다.
  • 기간 (n): ER을 계산하는 데 사용되는 기간입니다. 일반적으로 10일이 많이 사용됩니다.
  • 빠른 EMA 기간: SC를 계산하는 데 사용되는 빠른 EMA의 기간입니다. 일반적으로 2일이 사용됩니다.
  • 느린 EMA 기간: SC를 계산하는 데 사용되는 느린 EMA의 기간입니다. 일반적으로 30일이 사용됩니다.

pandas_ta.kama(close, length=None, fast=None, slow=None, drift=None, offset=None, **kwargs) 함수를 사용합니다. ER을 계산하기 위한 기간인 length의 기본값은 10, 빠른 EMA와 느린 EMA의 기간은 fast, slow로 조정하는데 각각의 기본값은 2와 30입니다.

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, 5,8)
trgnme="000660"
trg=fdr.DataReader(trgnme,  st, et)[["Open", "High", "Low", "Close", "Volume"]]

kama=trg.ta.kama()
kama.tail(3)
Date
2025-05-02    182194.275663
2025-05-07    182962.867240
2025-05-08    183511.152693
Name: KAMA_10_2_30, dtype: float64

다음은 지수이동평균과 alma 그리고 KAMA를 비교한 것입니다.

adf=[mpf.make_addplot(trg.ta.ema(10), panel=0, color="k", ylim=(160000, 230000),label="ema_10"),
     mpf.make_addplot(trg.ta.alma(), panel=0, color="orange", ylim=(160000, 230000),label="alma_10"),
     mpf.make_addplot(kama, panel=0, color="r",  label="KAMA", ylim=(160000, 230000))]
f, axs=mpf.plot(trg, type="candle", style="yahoo",  volume=False, addplot=adf, returnfig=True, ylim=(160000, 230000), figsize=(12,5))
axs[0].legend(loc="upper left")
plt.show()

이동평균은 주가의 변화를 평활화합니다. EMA와 alma는 주가에 민감합니다. 그러나 alma의 경우 주가에 비해 늦게 반응합니다. 이에비해 KAMA는 추세가 명확할 경우 EMA에 유사하지만 횡보(보합) 구간에서는 주가에 매우 둔감함을 보입니다.

  • 추세가 강하고 안정적일 때: KAMA는 가격 움직임에 더 빠르게 반응하며, 일반적인 이동평균선처럼 가격을 바짝 따라갑니다.
  • 횡보하거나 변동성이 클 때: KAMA는 노이즈를 줄이기 위해 가격 변화에 덜 민감하게 반응하고, 더 부드러운 곡선을 그립니다.
  • 이러한 적응성 덕분에 KAMA는 추세 추종 시스템에서 가짜 신호를 줄이고 추세의 방향을 더 명확하게 파악하는 데 도움을 줄 수 있습니다.
  • 추세 식별: KAMA의 방향은 전반적인 추세 방향을 나타냅니다. KAMA가 상승하면 상승 추세, 하락하면 하락 추세로 해석할 수 있습니다.
  • 매수/매도 신호: 가격이 KAMA를 상향 돌파하면 매수 신호, 하향 돌파하면 매도 신호로 간주할 수 있습니다.
  • 지지/저항: KAMA는 때때로 지지선 또는 저항선 역할을 할 수 있습니다.
  • 다른 지표와의 조합: KAMA는 다른 추세 추종 지표나 오실레이터와 함께 사용하여 분석의 신뢰도를 높일 수 있습니다.
장점시장 변동성에 적응하여 가짜 신호를 줄여줍니다.
추세가 강할 때는 가격에 빠르게 반응합니다.
횡보장에서는 노이즈를 효과적으로 필터링합니다.
단점계산이 다소 복잡합니다.
급격한 가격 변화에는 다소 늦게 반응할 수 있습니다.
최적의 매개변수 설정은 시장 상황에 따라 달라질 수 있습니다.

결론적으로, KAMA는 시장의 변화하는 변동성에 맞춰 스스로를 조정하는 지능적인 이동평균선입니다. 추세 추종 전략에 유용하게 활용될 수 있으며, 특히 변동성이 큰 시장에서 그 장점이 두드러집니다.

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 ...