CCI(Commodity CHannel Index) 과매수, 과매도 상태를 식별하고 추세의 방향과 강도를 측정. 추세추종형 모멘텀 지표 $$\begin{align}1.\;& \text{TP} = \frac{\text{High}+\text{Low}+\text{Close}}{3} \\ 2.\;& \text{SMA(TP, n)} = \frac{\sum^n_{i=1}\text{TP}_i}{n}\\ 3.\;& \text{MD} = \frac{\sum^n_{i=1}\vert {\text{TP}_i-\text{SMA(TP, n)}_i}\vert}{N}\\ 4.\;&\text{CCI} = \frac{\text{TP} - \text{SMA(TP, n)}}{0.015 \cdot \text{MD}}\end{align}$$ 위 식에서 0.015는 CCI의 대부분 값이 -100 ~ +100 사이에서 움직이기 위해 조정하는 인자이며 이동평균 기간은 일반적으로 14일을 사용합니다. CCI를 계산하기 위한 UDF calculate_cci() 를 작성하여 사용할 수 있습니다. 다음 계산은 pandas_ta.cci(high, low, close, length=None, c=None, talib=None, offset=None, **kwargs) 함수를 사용합니다. 매개변수 c는 대부분의 CCI값이 [-100, +100]사이의 만들기 위한 상수로서 위 식의 0.015와 같습니다. 기본값은 0.015입니다. 매개변수 length의 기본값은 14입니다. import numpy as np import pandas as pd import yfinance as yf import matplotlib.pyplot as plt import pandas_ta as ta import mplfinance as mpf st=pd.Timestamp(2024,9, 1) et=pd.Timestamp(2025, 5,2) trgnme="000660.KS" trg=yf...
python 언어를 적용하여 통계(statistics)와 미적분(Calculus), 선형대수학(Linear Algebra)을 소개합니다. 이 과정에서 빅데이터를 다루기 위해 pytorch를 적용합니다.