init

stock/analysis/MFI.py

@@ -0,0 +1,63 @@
+import numpy as np
+import pandas as pd
+from stock.analysis.Common import Common
+
+# [청송촌놈] 파생을 알아야 시장이 보인다. 청송이 종목 고르는법! https://www.youtube.com/watch?v=weABtgZDeGg
+# 6. Pandas와 Plotly를 이용한 MACD 차트 그리기 https://excelsior-cjh.tistory.com/110
+# 첫번째. MACD 지표를 이용한 차트분석: https://post.naver.com/viewer/postView.nhn?volumeNo=7435935&memberNo=32471429
+
+# MACD (Moving Average Conver gence Divergence)
+# 빨간 네모박스권으로 MACD가 MACD-Sign 을 골든크로스하며, 상승하였을때, 주가는 상승추세를 유지하며, MACD가 MACD-Sign(분홍색)을 데드크로스 할때 주가는 하락의 추세를 보이게 됩니다.
+# 즉, MSCD가 0이상에서 MACD-Sign 위에서 상승하는 그림이어야
+class MFI:
+
+    common = None
+
+    def __init__(self):
+        self.common = Common()
+        return
+
+    def apply(self, df, period = 14):
+        typical_price = (df.high + df.low + df.close) / 3
+        money_flow = typical_price * df.volume
+
+        positive_flow = []
+        negative_flow = []
+
+        for i in range(1, len(typical_price)):
+            if typical_price[i] > typical_price[i-1]:
+                positive_flow.append(money_flow[i-1])
+                negative_flow.append(0)
+            elif typical_price[i] < typical_price[i - 1]:
+                positive_flow.append(0)
+                negative_flow.append(money_flow[i - 1])
+            else:
+                positive_flow.append(0)
+                negative_flow.append(0)
+
+        positive_mf = []
+        negative_mf = []
+
+        for i in range(period-1, len(positive_flow)):
+            positive_mf.append(sum(positive_flow[i+1-period: i+1]))
+        for i in range(period - 1, len(negative_flow)):
+            negative_mf.append(sum(negative_flow[i + 1 - period: i + 1]))
+
+        mfi = list(100 * (np.array(positive_mf) / (np.array(positive_mf) + np.array(negative_mf))))
+        mfi = list(np.repeat(np.nan, len(df)-len(mfi))) + mfi
+
+        #df = df.assign(macd=macd, macds=macds, macdo=macdo).dropna()
+        df = df.assign(mfi=mfi)
+
+        return df
+
+    def analyze(self, stock):
+
+        df = pd.DataFrame()
+        df = df.from_dict(stock['PRICE'])
+        df = self.apply(df)
+
+        for i in range(len(df.macd)):
+            stock['PRICE'][i]['mfi'] = df.mfi.values[i]
+
+        return