기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[stock]PSAR(Parabolic Stop and Reverse)

PSAR(Parabolic Stop and Reverse)

추세의 방향 파악, 잠재적인 추세의 반전 시점 예측에 사용되는 지표입니다. 가격차트 위에 점으로 표시됩니다.

PSAR은 상승과 하락 추세에 따라 약간 다른 공식을 사용하며 가속요소(Accerleration Factor, AF)와 극점(Extreme Point, EP)으로 계산됩니다. AF의 초기값은 0.02를 사용하며 상승추세에서 최고점 그리고 하락추세에서 최저점이 발생할 때마다 0.02씩 증가합니다. 일반적으로 최고점은 0.2로 제한됩니다. EP는 상승추세에서 현재 추세에서 최고가, 하락추세에서는 현재추세에서 최저가가 되며 새로운 최고가 또는 최저가가 발생하면 EP 값이 업데이트 됩니다.

pandas.psar(high, low, close=None, af0=None, af=None, max_af=None, offset=None, **kwargs) 함수로 계산합니다. af0, af의 기본값은 0.02이며 max_af의 기본값은 0.2입니다. long, short, af, and reversal 칼럼들로 구성된 DataFrame을 반환합니다.

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(2024,5, 1)
et=pd.Timestamp(2025, 5,10)
trgnme="000660"
trg=fdr.DataReader(trgnme,  st, et)[["Open", "High", "Low", "Close", "Volume"]]

psar=trg.ta.psar()
psar.tail(3)
PSARl_0.02_0.2 PSARs_0.02_0.2 PSARaf_0.02_0.2 PSARr_0.02_0.2
Date
2025-05-07 169913.379297 NaN 0.10 0
2025-05-08 172072.041367 NaN 0.12 0
2025-05-09 174943.396403 NaN 0.12 0
adf=[mpf.make_addplot(psar.iloc[:,0], type="scatter", panel=0, color="r", label="long"),
     mpf.make_addplot(psar.iloc[:,1], type="scatter",panel=0, color="b", label="short")]
f, axs=mpf.plot(trg, type="candle", style="yahoo",  volume=False, addplot=adf, returnfig=True, xlim=(pd.to_datetime("2025-01-01"), pd.to_datetime("2025-05-10")),figsize=(12,3))
axs[0].legend(loc="upper left")
plt.show()
  • 상승 추세에서 psar(점)은 가격의 아래에 위치하며 추세가 진행됨에 따라 점차 가격에 가까워 집니다.
  • 하락 추세에서 psar은 가격의 위에 위치하며 추세가 진행됨에 따라 점차 가격에 가까워 집니다.
  • 가격과 psar의 형태가 전환되는 시점에서 매매를 고려할 수 있습니다.

주의점

  • 횡보장에서의 잦은 오Signal: 추세가 명확하지 않고 가격이 횡보하는 구간에서는 SAR이 잦은 매수/매도 신호를 발생시켜 손실을 유발할 수 있습니다.
  • 추세 시작 시의 뒤늦은 신호: SAR은 추세 추종 지표이므로, 추세가 시작된 후 다소 뒤늦게 신호를 제공할 수 있습니다.
  • 가속 요소 설정의 민감성: 가속 요소의 값을 잘못 설정하면 너무 민감하거나 둔감한 신호를 생성할 수 있습니다.
  • Parabolic SAR은 단독으로 사용하기보다는 다른 기술적 지표(예: 이동평균선, ADX, RSI)와 함께 사용하여 신뢰도를 높이는 것이 좋습니다.
  • 횡보장에서는 SAR의 활용에 주의해야 하며, 추세 강도 지표(예: ADX)를 통해 추세 유무를 확인하는 것이 도움이 될 수 있습니다.
  • 가속 요소의 기본값을 사용하거나, 시장 상황과 분석하는 자산의 특성에 맞게 조정하는 것이 중요합니다.

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 ...