Chop 시장의 추세 또는 횡보 상태를 판단하는데 도움을 주는 지표로서 수치화한 결과를 나타냄 True Range (TR) 계산: TR=max(High−Low,High−Close prev ,Low−Close prev |) 여기서 High는 당일 고가, Low는 당일 저가, Close prev 는 전일 종가입니다. 설정된 기간 (n) 동안의 True Range 값을 합산합니다. $\text{ATR Sum}_n = \sum^n_{i=1}\text{TR}_i$ 설정된 기간 (n) 동안의 최고가(HH)와 최저가(LL)를 찾습니다. 차프 지수 (CHOP) 계산: $\text{CHOP}=100×\frac{ \log\left(\frac{\text{ATR Sum}_n}{\text{HH}_n - \text{LL}_n} \right) }{\log(n)}$ n은 차프 지수를 계산하는 기간입니다. 추세는 큰 변동성을 기반으로 합니다. 그러므로 고가와 저가의 차이가 크기 때문에 Chop값이 작아집니다. 반대로 횡보구간은 그 차이가 작기 때문에 큰 Chop를 보입니다. 이러한 경우는 추세추종 전략의 효율성이 저하될 수 있습니다. Chop의 절대값보다는 과거값과의 비교 또는 특정기준선을 통해 시장상황을 판단합니다. pandas_ta.chop(high, low, close, length=None, atr_length=None, ln=None, scalar=None, drift=None, offset=None, **kwargs) 로 계산할 수 있습니다. ATR sum을 계산하는 기간 length로 기본값은 14 ATR 은 TR의 이동평균값으로 이 기간은 atr_length로 조정하며 기본값은 1입니다. 기본값의 경우 ATR 대신 TR을 사용하는 것입니다. 위 식의 tr을 계산하는 과정에서 이전이 종가를 사용합니다. 이전의 기간을 drift로 조정하며 기본값은 1입니다. ln= True일 경우 자연로그, False일 경우 대수로...
python 언어를 적용하여 통계(statistics)와 미적분(Calculus), 선형대수학(Linear Algebra)을 소개합니다. 이 과정에서 빅데이터를 다루기 위해 pytorch를 적용합니다.