기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[stock]Vortex

Vortex

추세의 시작과 방향을 식별하는데 사용되는 기술적 지표입니다. 양의 소용돌이 지표(VI+)와 음의 소용돌이 지표(VI-)로 구성됩니다.

  • 상승 및 하락 추세 움직임
    • VM+ = 현고가 - 이전고가
    • VM- = 현저가 - 이전저가
    • 일반적으로 14 ~ 30 기간 동안 VM+와 VM- 각각을 합산합니다.
  • 실제범위(TR) 계산
    • TR = max(현고가 - 현저가, |현고가 - 이전종가|, |현저가 - 이전 종가|)
    • 일반적으로 VM+, VM-와 같은 기간동안 TR을 합산
  • 정규화된 상승 및 하락 추세 움직임
    • $\begin{align}\text{VI+} &= \frac{\sum^n_{i=1} \text{VM+}_i}{\sum^n_{i=1} \text{TR}_i} \\ \text{VI-} &= \frac{\sum^n_{i=1} \text{VM-}_i}{\sum^n_{i=1} \text{TR}_i}\end{align}$

pandas_ta.vortex(high, low, close, length=None, drift=None, offset=None, **kwargs) 함수로 계산할 수 있습니다. length, drift의 기본값은 각각 14, 1입니다. drift는 이전 고가등의 기간을 지정하기 위한 것입니다. 정규화된 VIP(VI+), VIM(VI-)를 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, 5,12)
trgnme="000660"
trg=fdr.DataReader(trgnme,  st, et)[["Open", "High", "Low", "Close", "Volume"]]

vortex=trg.ta.vortex()
vortex.tail(3)
VTXP_14 VTXM_14
Date
2025-05-08 0.994730 0.698287
2025-05-09 1.025401 0.712567
2025-05-12 1.090433 0.633028
adf=[mpf.make_addplot(trg.ta.ema(5),  panel=0, color="r", label="ema5"),
mpf.make_addplot(trg.ta.ema(20),  panel=0, color="b", label="ema20"), 
mpf.make_addplot(vortex.iloc[:,0],  panel=1, color="r", label="VM+"), 
mpf.make_addplot(vortex.iloc[:,1],  panel=1, color="b", label="VM-")]
f, axs=mpf.plot(trg, type="candle", style="yahoo",  volume=False, addplot=adf, returnfig=True, figsize=(12,8))
axs[0].legend(loc="upper left")
axs[2].legend(loc="upper left")
plt.show()
  • VI+ > VI- : 상승 추세, 반대는 하락 추세
  • 두선의 교차는 추세의 전환을 암시
  • 두선 사이의 간격이 넓어질수록 추세의 강도가 강해짐
  • vortex는 추세추종 지표로 횡보장에서 잘못된 신호를 발생할 수 있습니다.
  • 이동평균선은 전반적인 추세방향을 확인하는데 도움이 될 수 있습니다. 단기이평이 장기이평 상향돌파는 VM+가 VM-를 상향돌파 신호의 신뢰도 증가
  • RSI가 과매수 또는 과매도 수준 근처에서 vortex의 교차 발생은 잠재적 추세 반전 식별에 도움, 예를 들어 RSI 과매수 근처에서 vortex의 교차 실패는 추세의 지속을 암시
  • 가격과 MACD 신호의 다이버전스(불일치)와 vortex 선들의 교차 여부는 추세반전 또는 추세 지속의 판단에 도움
  • 위 모든 지표는 추세추종으로 ADX 지수등으로 보합 여부를 확인 한 후에 실행
  • vortex 지표에 의한 신호는 이평선이나 MACD에 의한 신호보다 약간 앞서는 경향이 있음

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...