66 lines
2.6 KiB
Python
66 lines
2.6 KiB
Python
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 MACD:
|
|
|
|
common = None
|
|
|
|
def __init__(self):
|
|
self.common = Common()
|
|
return
|
|
|
|
# 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):
|
|
|
|
df = pd.DataFrame()
|
|
df = df.from_dict(stock['PRICE'])
|
|
df = self.apply(df)
|
|
|
|
for i in range(len(df.macd)):
|
|
stock['PRICE'][i]['macd'] = df.macd.values[i]
|
|
stock['PRICE'][i]['macds'] = df.macds.values[i]
|
|
stock['PRICE'][i]['macdo'] = df.macdo.values[i]
|
|
|
|
return |