init
This commit is contained in:
dosangyoon
147
stock/analysis/Stochastic.py
Normal file
147
stock/analysis/Stochastic.py
Normal file
@@ -0,0 +1,147 @@
|
||||
import pandas as pd
|
||||
from stockpredictor.analysis.Common import Common
|
||||
|
||||
# 6. Pandas와 Plotly를 이용한 MACD 차트 그리기: https://excelsior-cjh.tistory.com/111
|
||||
# 스토캐스틱 슬로우(Stochastics Slow)를 이용한 간단한 매매기법: https://bagal.tistory.com/124
|
||||
# Stochastic Slow, 스토캐스틱을 통한 주식 매매법 정리: https://m.blog.naver.com/PostView.nhn?blogId=kangyh427&logNo=220957146041&proxyReferer=https:%2F%2Fwww.google.com%2F
|
||||
# 차트분석 2편 스토캐스틱을 활용한 매수타이밍 포착!: https://m.post.naver.com/viewer/postView.nhn?volumeNo=7446693&memberNo=32471429
|
||||
class Stochastic:
|
||||
|
||||
common = None
|
||||
|
||||
def __init__(self):
|
||||
self.common = Common()
|
||||
return
|
||||
|
||||
# 일자(n,m,t)에 따른 Stochastic(KDJ)의 값을 구하기 위해 함수형태로 만듬
|
||||
# n=15 (%k), m=5 (%d), t=3
|
||||
# n=5 (%k), m=3 (%d), t=3
|
||||
# n=14 (%k), m=3 (%d), t=3
|
||||
def apply(self, df, n=12, m=5, t=5):
|
||||
# 입력받은 값이 dataframe이라는 것을 정의해줌
|
||||
df = pd.DataFrame(df)
|
||||
|
||||
# n일중 최고가
|
||||
ndays_high = df.high.rolling(n).max()
|
||||
# n일중 최저가
|
||||
ndays_low = df.low.rolling(n).min()
|
||||
|
||||
# Fast%K 계산
|
||||
# n(15)일 동안의 최고가(high)와 최저가(low) 사이 중 현재 종가(close)의 상대적 위치를 판단하는 값
|
||||
# 가격이 지속적으로 상승하고 있다면 Stochastic 값은 100에 가까워 지며, 반대로 지속적으로 하락하고 있다면 Stochastic 값은 0에 가까워 지는 경향을 나타낸다.
|
||||
fast_k = ((df.close - ndays_low) / (ndays_high - ndays_low)) * 100
|
||||
|
||||
# Fast%D (=Slow%K) 계산
|
||||
# m(5)일간의 Fast%K의 이동평균 값
|
||||
# 기본값으로 5일을 설정하며 Fast%K 값을 일반화하는 역할을 한다.
|
||||
#slow_k = fast_k.ewm(span=m).mean()
|
||||
slow_k = fast_k.rolling(m).mean()
|
||||
|
||||
# Slow%D 계산
|
||||
# t(3)일간의 Slow%K의 이동평균 값
|
||||
# 기본값으로 3일을 설정하며 Slow%K 값을 일반화 하는 역할을 한다.
|
||||
#slow_d = slow_k.ewm(span=t).mean()
|
||||
slow_d = slow_k.rolling(t).mean()
|
||||
|
||||
# dataframe에 컬럼 추가
|
||||
#df = df.assign(fast_k=fast_k, slow_k=slow_k, slow_d=slow_d).dropna()
|
||||
df = df.assign(fast_k=fast_k, slow_k=slow_k, slow_d=slow_d)
|
||||
|
||||
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.fast_k)):
|
||||
stock['PRICE'][i]['stochastic_buy'] = 0
|
||||
if "fast_k" not in stock['PRICE'][i]:
|
||||
stock['PRICE'][i]['fast_k'] = -1
|
||||
stock['PRICE'][i]['slow_k'] = -1
|
||||
stock['PRICE'][i]['slow_d'] = -1
|
||||
|
||||
i_ = i + len(stock['PRICE']) - len(df.fast_k)
|
||||
stock['PRICE'][i_]['fast_k'] = df.fast_k.values[i]
|
||||
stock['PRICE'][i_]['slow_k'] = df.slow_k.values[i]
|
||||
stock['PRICE'][i_]['slow_d'] = df.slow_d.values[i]
|
||||
|
||||
# 0: 중립, 1: 매수, -1: 매도
|
||||
stock['PRICE'][i_]['stochastic_buy'] = 0
|
||||
stock['PRICE'][i_]['direction'] = ''
|
||||
|
||||
if i_ > 2:
|
||||
if ('slow_k' in stock['PRICE'][i_-1] and 'slow_k' in stock['PRICE'][i_]):
|
||||
# %k선이 %d선을 상향 돌파하면 매수 신호
|
||||
if (self.common.checkUpward('slow_k', stock['PRICE'][i_-2:i_+1]) and
|
||||
stock['PRICE'][i_-1]['slow_k'] < stock['PRICE'][i_-1]['slow_d'] and
|
||||
stock['PRICE'][i_]['slow_k'] > stock['PRICE'][i_]['slow_d']):
|
||||
if stock['PRICE'][i_]['slow_k'] < 5:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = 8
|
||||
elif 5 <= stock['PRICE'][i_]['slow_k'] < 10:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = 7
|
||||
elif 10 <= stock['PRICE'][i_]['slow_k'] < 15:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = 6
|
||||
elif 15 <= stock['PRICE'][i_]['slow_k'] < 20:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = 5
|
||||
elif 20 <= stock['PRICE'][i_]['slow_k'] < 30:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = 4
|
||||
elif 30 <= stock['PRICE'][i_]['slow_k'] < 40:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = 3
|
||||
elif 40 <= stock['PRICE'][i_]['slow_k'] < 50:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = 2
|
||||
else:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = 1
|
||||
|
||||
if self.common.checkUpward('slow_k', stock['PRICE'][i_ - 1:i_ + 1]):
|
||||
stock['PRICE'][i_]['direction'] = 'up'
|
||||
|
||||
if (self.common.checkDownward('slow_k', stock['PRICE'][i_ - 2:i_ + 1]) and
|
||||
stock['PRICE'][i_-1]['slow_k'] > stock['PRICE'][i_-1]['slow_d'] and
|
||||
stock['PRICE'][i_]['slow_k'] < stock['PRICE'][i_]['slow_d']):
|
||||
if stock['PRICE'][i_]['slow_k'] > 90:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = -6
|
||||
elif 90 >= stock['PRICE'][i_]['slow_k'] > 80:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = -5
|
||||
elif 80 >= stock['PRICE'][i_]['slow_k'] > 70:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = -4
|
||||
elif 70 >= stock['PRICE'][i_]['slow_k'] > 60:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = -3
|
||||
elif 60 >= stock['PRICE'][i_]['slow_k'] > 50:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = -2
|
||||
else:
|
||||
stock['PRICE'][i_]['stochastic_buy'] = -1
|
||||
|
||||
if self.common.checkDownward('slow_k', stock['PRICE'][i_ - 1:i_ + 1]):
|
||||
stock['PRICE'][i_]['direction'] = 'down'
|
||||
|
||||
results = []
|
||||
for day in stock['PRICE']:
|
||||
results.append({'DATE': day['DATE'],
|
||||
'fast_k': day['fast_k'],
|
||||
'slow_k': day['slow_k'],
|
||||
'slow_d': day['slow_d'],
|
||||
'stochastic_buy': day['stochastic_buy']})
|
||||
return results
|
||||
"""
|
||||
|
||||
def analyze(self, stock):
|
||||
df = pd.DataFrame()
|
||||
df = df.from_dict(stock['PRICE'])
|
||||
df = self.apply(df)
|
||||
|
||||
for i in range(len(df.fast_k)):
|
||||
if "stochastic_fast_k" not in stock['PRICE'][i]:
|
||||
stock['PRICE'][i]['stochastic_fast_k'] = -1
|
||||
stock['PRICE'][i]['stochastic_slow_k'] = -1
|
||||
stock['PRICE'][i]['stochastic_slow_d'] = -1
|
||||
|
||||
stock['PRICE'][i]['stochastic_fast_k'] = df.fast_k.values[i]
|
||||
stock['PRICE'][i]['stochastic_slow_k'] = df.slow_k.values[i]
|
||||
stock['PRICE'][i]['stochastic_slow_d'] = df.slow_d.values[i]
|
||||
|
||||
return
|
||||
|
||||
if __name__ == "__main__":
|
||||
stochastic = Stochastic()
|
||||
Reference in New Issue
Block a user