init

stockpredictor/analysis/MACD.py

@@ -0,0 +1,110 @@
+import pandas as pd
+from stockpredictor.analysis.Common import Common
+from plotly import tools, subplots
+import plotly.offline as offline
+import plotly.graph_objs as go
+import plotly.io as po
+
+# [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 MACD:
+
+    common = None
+
+    def __init__(self):
+        self.common = Common()
+        return
+
+    def draw(self, stock):
+        item_name = stock["NAME"]
+        item_code = stock["CODE"]
+
+        df = pd.DataFrame(stock["PRICE"])
+        macd = go.Scatter(x=df.DATE, y=df['macd'], name="MACD")
+        signal = go.Scatter(x=df.DATE, y=df['macds'], name="Signal")
+        oscillator = go.Bar(x=df.DATE, y=df['macdo'], name="oscillator")
+        trade_volume = go.Bar(x=df.DATE, y=df['volume'], name="volume")
+        data = [macd, signal, oscillator]
+
+        layout = go.Layout(title='{} MACD 그래프'.format(item_name))
+        fig = subplots.make_subplots(rows=2, cols=1, shared_xaxes=True)
+
+        for trace in data:
+            fig.append_trace(trace, 1,1)
+
+        fig.append_trace(trade_volume, 2,1)
+        fig = go.Figure(data=data, layout=layout)
+
+        path = "/Users/dsyoon/workspace/StockPredictor/resources/analysis/html"
+        po.write_html(fig, file=path + "/macd_" + item_code+'.html', auto_open=False)
+        return fig
+
+
+    # macd 0선 위에서 매수를 한다. 0이하는 절대 처다보지 않는다.
+    def apply(self, df, short=12, long=26, t=9):
+        # 입력받은 값이 dataframe이라는 것을 정의해줌
+        df = pd.DataFrame(df)
+
+        # MACD 관련 수식
+        ma_12 = df.close.ewm(span=short).mean() # 단기(12) EMA(지수이동평균)
+        ma_26 = df.close.ewm(span=long).mean() # 장기(26) EMA
+        macd = ma_12 - ma_26 # MACD
+        macds = macd.ewm(span=t).mean() # Signal
+        macdo = macd - macds # Oscillator
+
+        #df = df.assign(macd=macd, macds=macds, macdo=macdo).dropna()
+        df = df.assign(macd=macd, macds=macds, macdo=macdo)
+
+        return df
+
+    """
+    # 기존 stock에 삽입 
+    # macd 0선 위에서 매수를 한다. 0이하는 절대 처다보지 않는다.
+    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]['macd_buy'] = 0
+
+            stock['PRICE'][i]['macd'] = df.macd.values[i]
+            stock['PRICE'][i]['macds'] = df.macds.values[i]
+            stock['PRICE'][i]['macdo'] = df.macdo.values[i]
+            if df.macd.values[i] > 0 and self.common.checkUpward('close', stock['PRICE'][i - 4: i + 1]):
+                stock['PRICE'][i]['macd_buy'] = df.macd.values[i]
+        return
+    """
+
+    def analyze(self, stock):
+        results = []
+        df = pd.DataFrame()
+        df = df.from_dict(stock['PRICE'])
+        df = self.apply(df)
+
+        for i in range(len(df.macd)):
+            result = {'DATE':stock['PRICE'][i]['DATE'],
+                      'macd': df.macd.values[i],
+                      'macds': df.macds.values[i],
+                      'macdo': df.macdo.values[i],
+                      'macd_buy': 0}
+
+            # MACD가 3일 전부터 상승이라면 매수
+            if df.macd.values[i - 1] < df.macd.values[i]:
+                # 어제는 MACD-Sign이 MACD 위에 있지만, 오늘은 MACD가 MACD-Sign 위로 올라오면 매수
+                if df.macd.values[i-1] < df.macds.values[i-1] and df.macd.values[i] > df.macds.values[i]:
+                    result['macd_buy'] = 1
+
+            # MACD가 3일 전부터 하락이라면 매도
+            if df.macd.values[i - 1] > df.macd.values[i]:
+                # 어제는 MACD가 MACD-Sign 위에 있지만, 오늘은 MACD-Sign이 MACD 위로 올라오면 매도
+                if df.macd.values[i - 1] > df.macds.values[i - 1] and df.macd.values[i] < df.macds.values[i]:
+                    result['macd_buy'] = -1
+
+            results.append(result)
+        return results