113 lines
4.8 KiB
Python
113 lines
4.8 KiB
Python
import pandas as pd
|
|
from stockpredictor.analysis.Common import Common
|
|
from plotly import tools, subplots
|
|
import numpy as np
|
|
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 RSI:
|
|
|
|
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"])
|
|
rsi = go.Scatter(x=df.DATE, y=df['rsi'], name="RSI")
|
|
signal = go.Scatter(x=df.DATE, y=df['rsis'], name="RSI Signal")
|
|
data = [rsi, signal]
|
|
|
|
layout = go.Layout(title='{} RSI 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 = go.Figure(data=data, layout=layout)
|
|
|
|
path = "/Users/dsyoon/workspace/StockPredictor/resources/analysis/html"
|
|
po.write_html(fig, file=path + "/rsi" + item_code+'.html', auto_open=False)
|
|
return fig
|
|
|
|
def apply(sefl, df, period=14):
|
|
# df.diff를 통해 (기준일 종가 - 기준일 전일 종가)를 계산하여 0보다 크면 증가분을 감소했으면 0을 넣어줌
|
|
U = np.where(df.close.diff(1) > 0, df.close.diff(1), 0)
|
|
|
|
# df.diff를 통해 (기준일 종가 - 기준일 전일 종가)를 계산하여 0보다 작으면 감소분을 증가했으면 0을 넣어줌
|
|
D = np.where(df.close.diff(1) < 0, df.close.diff(1) * (-1), 0)
|
|
|
|
# AU, period=14일 동안의 U의 평균
|
|
AU = pd.DataFrame(U).rolling(window=period, min_periods=period).mean()
|
|
|
|
# AD, period=14일 동안의 D의 평균
|
|
AD = pd.DataFrame(D).rolling(window=period, min_periods=period).mean()
|
|
|
|
rsi = AU.div(AD + AU) * 100
|
|
rsis = rsi.rolling(window=9).mean()
|
|
|
|
df = df.assign(rsi=rsi, rsis=rsis)
|
|
return df
|
|
|
|
|
|
def analyze(self, stock):
|
|
"""
|
|
RSI 값이 100에 접근하면 ㄷ 이상의 주가 상승을 기대하기 어렵고, 0에 접근하면 더 이상 하락을 기대하기 어렵다.
|
|
70이상이면 과매수 구간이라 할 수 있고, 30 이하면 과매도 구간이라 볼 수 있다.
|
|
따라서 과매수 구간에서는 매도 준비를, 과매도 구간에서는 매수 준비를 해야 한다.
|
|
|
|
"""
|
|
results = []
|
|
df = pd.DataFrame()
|
|
df = df.from_dict(stock['PRICE'])
|
|
df = self.apply(df)
|
|
|
|
for i in range(len(df.rsi)):
|
|
result = {'DATE':stock['PRICE'][i]['DATE'],
|
|
'rsi': df.rsi.values[i],
|
|
'rsis': df.rsis.values[i],
|
|
'rsi_buy': 0}
|
|
|
|
# rsi가 상향이고 30을 돌파하면 매수,
|
|
if df.rsi.values[i - 1] < df.rsi.values[i]:
|
|
if df.rsi.values[i-1] <= 30 and df.rsi.values[i] > 30:
|
|
result['rsi_buy'] = 1
|
|
|
|
# rsi가 상향이고 40을 돌파하면 매수,
|
|
if df.rsi.values[i - 1] < df.rsi.values[i]:
|
|
if df.rsi.values[i-1] <= 50 and df.rsi.values[i] > 50:
|
|
result['rsi_buy'] = 1
|
|
|
|
# rsi가 상향이고 70을 돌파하면 단기매수,
|
|
if df.rsi.values[i - 1] < df.rsi.values[i]:
|
|
if df.rsi.values[i-1] <= 70 and df.rsi.values[i] > 70:
|
|
result['rsi_buy'] = 1
|
|
|
|
# rsi가 하향이고 70이하로 떨어지면 매도,
|
|
if df.rsi.values[i - 1] > df.rsi.values[i]:
|
|
if df.rsi.values[i-1] > 70 and df.rsi.values[i] <= 70:
|
|
result['rsi_buy'] = -1
|
|
|
|
# rsi가 하향이고 50이하로 떨어지면 매도,
|
|
if df.rsi.values[i - 1] > df.rsi.values[i]:
|
|
if df.rsi.values[i-1] > 50 and df.rsi.values[i] <= 50:
|
|
result['rsi_buy'] = -1
|
|
|
|
# rsi가 하향이고 30이하로 떨어지면 단기매도,
|
|
if df.rsi.values[i - 1] > df.rsi.values[i]:
|
|
if df.rsi.values[i-1] > 30 and df.rsi.values[i] <= 30:
|
|
result['rsi_buy'] = -1
|
|
|
|
results.append(result)
|
|
return results |