일별차트

마지막 업데이트: 2022년 3월 16일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
#Bitcoin stayed above the $43,000 support zone.
The price is still well below $45,000 and the 100 hourly simple moving average.
Bearish trend line forming with resistance near $43,650 on the hourly chart#BTC to start an upside correction if it settles above $43,800 — Yeo Lu (@TheYeoLu) April 8, 2022

BTC/USD 일일차트 분석

지난 12일 비트렉스 신규가입 재게는 트라이앵글 수렴의 상단 이탈의 원동력이 되었습니다.
이것은 우리가 당초 예상한 것보다 이르지만, 상승을 위한 좋은 신호입니다.

4시간 차트 상승쐐기형 패턴 수렴

트라이앵글 수렴의 상단 돌파 이후 아직까지 해당 영역에 대한 지지선 테스트를 하지 않았습니다.
우리는 9000-9200의 강한 저항선 돌파 이후 매수력이 감소하면, 피보나치 비율 0.5~0.618에 해당하는 범위내에서 테스트가 이루어질 것으로 보고 있습니다.
(4.28 CME 비트코인 선물 만기일)

비트 시장 점유율은 37~38%로 계속 감소 추세이며 지난 최소 점유율인 32.45% 보다도 감소할 수 있습니다.
이것은 알트코인이 증가하면서, 유망한 코인의 증가와 함께, 비트코인에 대한 상대적인 유명세 증가로 인한 것으로 보입니다.
하지만 달리 말하면, 비트 점유율이 회복할 날이 멀지 않았으며(하락 쐐기형으로 수렴 중) ETF와 같은 대형 호재가 발생한다면, 역전가능성이 존재합니다.

단, 트라이앵글 상단 지지선과, $7500에서 지지 받지 못할 경우, 하락추세가 이어질 수 있습니다.

signedinfo

이동평균선(이평선)을 활용한 일일 차트 동향-나스닥,s&p500,fngu,리얼티인컴

이평선(이동평균선)을 이용한 차트 매매법

차트의 좌측 상단에 보면 SMA라는 것이 있다. SMA(Simple Moving Average)로, SMA 20은 20일 평균 이동선이다. #qld RSI 60, 10년물 국채금리가 올라감에 따라 기술주에 악영향을 끼쳤다. 한가지 흥미로운 점은 2

QLD, 나스닥
나스닥 2배 레버리지 상품인 qld가 20일 이평선을 맞닥드리고 바로 반등이 일어났다. 10년물 국채금리가 하락함에 따라 그에 대한 반등이라고 보여진다. 다시 한번 20일 이평선을 터치하지 않을까 하는 생각에 어제 20일 이평선인 $87에 2주 추가 매수 예약을 걸어놨고, 다행히 체결 됐다.

SSO, S&P500
snp500 지수를 추종하는 etf이자 2배 레버리지 상품인 sso 역시 20일 이평선을 터치하고 반등해줬다. 나스닥과 일별차트 비교해서 보면 낙폭이 덜한 상품으로 조금더 마음 편하게 장기적 우상향을 끌고 갈 수 있는 상품이다. sso 역시 20일 이평선 $140에 추가 매수를 걸어놨고, 예약 매수가 체결되었다. 20일, 60일 240일 기준으로 추개 매수할 타이밍을 노려 줍줍하는 것도 좋은 투자 타이밍이라고 생각한다.

FNGU
faang? maang ? 3배 레버리지 상품으로 이 상품의 경우 나는 안전하게 들어가는 것을 추구한다. 무엇보다 3배라는 위험성을 갖고 있는 상품이기 때문이다. 차트 기준으로 50일 이평선을 터치하면 매수하려고 대기 중이었으나, 50일까지는 밀리지 못 한채 상승 마감했다. 어설픈 자리에서 들어가려고 생각하기 보단 이동평균선 기준으로 대응할 생각이다.

O, 리얼티인컴
리얼티 인컴은 20일 이평선을 뚫고 내려와 어제 50일 이평선을 터치후 상승 마감했다. 나는 20일 이평선을 뚫고 내려오는 시기부터 추가매수를 진행하고 있으며, 어제도 3주를 추가적으로 매수했다. 얼마나 더 떨어질지는 모르지만, 반등이 나오기 전까지 추가 매수로 대응할 생각이다.

1) 일별 확진자와 누적 확진자 시각화 (line chart)

첫 확진자가 발생한 날부터 현재 데이터상 존재하는 가장 최근 날짜까지 코로나 확진자 발생 추이를 그래프로 나타내보겠습니다. 확진자 데이터는 PatientInfo.csv에 존재하므로 이전에 저장한 p_info 데이터프레임을 사용할 수 있습니다.

우선 데이터프레임의 크기를 확인해봅시다.

행은 5,165개, 그리고 열은 14개가 존재합니다.

상위 5개의 행을 출력해봅시다.

상위 5개의 행만을 출력했음에도 infected_by, symptom_onset_date, deceased_date 열에 이미 NaN이 보입니다. 즉, Null 값(결측값)이 존재하는 것을 확인할 수 있습니다. 해당 데이터프레임의 정보를 확인해봅시다.

non-null 데이터의 수를 통해 일부 열에는 Null 값(결측값)이 존재하는 것을 확인할 수 있으며, patient_id는 정수형 타입의 데이터지만 그 외의 모든 열은 문자열 타입의 데이터입니다.

각 날짜에 확진자가 몇 명인지를 알려면 어떻게 해야할까요? 현재 데이터프레임에는 환자 개개인의 확진 날짜가 기재되어져 있으므로 확진 날짜 별로 그룹핑하여 카운트를 하면 됩니다.

결과는 위와 같습니다. 2020년 1월 20일부터 2020년 6월 30일까지 데이터가 존재하며, 총 148일간의 데이터가 있는 것을 확인할 수 있습니다. 위의 출력 결과는 길어서 중략되어져 있으며 좌측의 날짜가 확진 날짜, 우측의 카운트가 확진자의 수가 됩니다.

여기서 주의할 점은 위의 결과는 데이터프레임이 아니라 시리즈(Series)입니다. 시리즈는 데이터프레임처럼 2차원 테이블 형태의 데이터가 아니라, 데이터프레임에서 특정 하나의 열만을 뽑았을 경우에 생기는 데이터인데요.

그렇다면 열이 1개밖에 없는데, 어떻게 좌쪽에는 날짜, 우측에는 확진자 수와 같이 데이터가 두 종류나 있는 것일까요? 그 이유는 좌측의 날짜는 열이 아니라 해당 데이터의 인덱스(index)이기 때문입니다. 인덱스는 데이터프레임에만 존재하는 개념이 아니라 시리즈에도 존재하는 개념입니다. 시리즈에서 인덱스를 출력하는 방법은 다음과 같습니다.

148개의 날짜가 출력되는 것을 확인할 수 있습니다. 그렇다면 인덱스가 아니라 실제 시리즈의 데이터에 해당하는 부분은 어떻게 출력할 수 있을까요?

를 통해서 출력이 가능합니다.

마찬가지로 148개의 데이터가 순차적으로 출력됩니다. 앞서 출력한 인덱스와 각각 맵핑되는 값이라고 볼 수 있겠습니다. 그런데 만약, 알고 싶은 것이 각 날짜별로 확진자가 몇 명이 나온지가 아니라 각 날짜에 누적 확진자 수가 몇 명인지 알고 싶은 거라면 어떻게 계산할까요?

이는 현재 가지고 있는 시리즈에 cumsum() 이라는 함수를 사용해서 계산가능합니다.

이라는 파이썬 코드는 현재 갖고 있는 각 행의 값으로부터 누적값을 계산합니다.

누적값이니까 최근 데이터일수록 숫자가 무조건 더 커질 수 밖에 없습니다. 2020년 6월 30일 한국의 누적 확진자 수는 5,162명임을 알 수 있습니다. 이제 daily_count에는 일 별 확진자 수, accumulated_count에는 누적 확진자 수 데이터가 존재합니다. 두 데이터 모두 인덱스는 확진 날짜입니다. 이제 이 데이터들을 각각 그래프로 시각화하려고 합니다.

그런데 일별차트 한 가지 팁을 드리자면, 사실 시리즈를 시각화 하는 것은 정말 정말 쉽습니다.

을 사용하면 인덱스를 x축으로 실제 값을 y축으로 사용하여 그래프를 그려줍니다.

위 코드에서 plt.rcParams['figure.figsize'] = (15, 5) 는 그래프의 비율을 정하는 코드이고, plt.title은 그래프 상단에 그래프의 제목을 위한 코드입니다.

실질적으로 그래프를 그리고 있는 코드는 daily_count.plot()에 해당됩니다.

위 그래프를 보면 2020년 2월 말과 3월 초에는 확진자가 100명을 넘어가면서 폭증하고 있다가 점차적으로 줄어들어서 2020년 4월 중순에는 극히 줄어 20명 이하로 떨어지고 있습니다. 2020년 5월 말과 6월 초 사이에는 약 70명까지 치솟았고, 다시 6월에 접어들어서는 다소 안정되어 4-50명대에 접어들었습니다. 이번에는 누적 확진자 수 그래프를 봅시다.

2) 주요 도시별 확진자 통계 (bar chart)

이번에는 도시별 확진자 통계를 확인해봅시다. 도시에 대한 정보는 Case 데이터프레임의 'city'열을 참조하면 됩니다. 우선 'province'의 값이 'Daegu'인 경우를 봅시다.

위의 데이터프레임에서 'city'열과 여러가지 값들이 들어가 있는 것을 확인할 수 있습니다.

seaborn에서 barplot()이란 기능을 통해서 바 차트를 그려보겠습니다!

sns.barplot(x=열의 이름, y=열의 이름, data=데이터프레임, ci=None)

.set(xlabel='x축에 대한 레이블', ylabel='y축에 대한 레이블', title='차트의 타이틀')

기본적인 사용 방법은 위와 같습니다.

province 값이 Daegu인 경우에 대해서 바 차트를 그려봅시다.


합계를 한다고 하더라도 Namgu가 압도적으로 많습니다.

이번에는 'province'의 값이 'Seoul'인 경우를 봅시다.

상위 10개의 행만을 출력해봤는데, 여러 도시(city)가 출력됩니다.

도시별 확진자를 출력해봅시다.

3) 성별과 연령대 별 확진자 통계 (pie chart)

이번에는 성별과 연령대 별 확진자 통계를 파이 차트를 통해 시각화해봅시다.

t_gender 데이터프레임에는 날짜별 여성과 남성의 누적 확진자 수가 기록되어져 있습니다.

tail()을 통해 하위 5개의 행을 출력하여 이 데이터에서의 마지막 날짜를 확인해봅시다.

이 데이터는 2020년 6월 30일까지의 데이터를 가지고 있습니다. 결국 우리가 필요한 데이터는 맨 끝 데이터 2개입니다. 2020년 6월 30일의 male 데이터와 female 데이터가 각각 최근 날짜의 남성 확진자 수와 여성 확진자 수이기 때문입니다.

조건을 줘서 데이터프레임을 필터링한 후에 confirmed 열만 접근해서 데이터를 가져오도록 하겠습니다.

  • 파이 차트로 사용할 데이터의 이름이 담긴 리스트(레이블),
  • 그리고 해당 이름에 해당하는 데이터의 값이 담긴 리스트(실질적 데이터)

현재는 남성과 여성에 대해서 파이 차트를 구하는 것이므로 male과 female이라는 값을 가진 레이블 리스트를 만들고, 데이터에 대한 리스트 또한 준비합니다.

ScienceON Chatbot

※ 국가연구개발사업의 관리 등에 관한 규정(2012.7.1 시행)
에 의해 추후 공개로 전환될 가능성은 있습니다.

과제관리기관과의 협의를 통하여 비공개 보고서를 공개로 전환할 수
있도록 계속적으로 관리되고 있으며, 현재 비공개 처리된 보고서의
열람이 어려운 점 양해 부탁드립니다.

보고서 상세정보

일별 주식 고-저가정보를 토대로 주식투자 수익성에 관한 연속적 의사결정 시스템: 사후확률정보관리차트

A Sequential Decision-Making System on A Stock Investment Performance with Daily High & Low Stock Prices: Posterior Probability Distribution Control Charts

일별차트
과제명 일별 주식 고-저가정보를 토대로 주식투자 수익성에 관한 연속적 의사결정시스템: 사후확률정보관리차트
주관연구기관 조선대학교
Chosun University
보고서유형 최종보고서
발행국가 대한민국
언어 한국어
발행년월 2018-03
과제시작년도 2017
주관부처 과학기술정보통신부
Ministry of Science and ICT
등록번호 TRKO201900022645
과제고유번호 1711049563
사업명 개인기초연구(미래부)
DB 구축일자 2020-07-29
키워드 3점 견적법.관리도.베이지안 이론.베타확률분포함수.사후검증.일별 고-저가.정규-감마확률분포함수.주식투자.투자의사결정.3-point estimate.control chart.Bayesian theory.beta probability distribution.post-auditing.daily high-low stock price.normal-gamma probability distribution.stock investment.investment decision.
연구과제
타임라인

연구과제 성과물(0)

참여연구원의 다른 문헌(0)

□ 연구의 목적 및 내용
1. 목적: 일별 주가의 고가와 저가를 토대로 주식투자 수익성을 사후검증을 통해 모니터링하고 초기에 추정한 수익성에 관한 확률정보를 지속적으로 수정할 수 있는 베이지안 기반 관리차트를 개발하여 주식투자.

□ 연구의 목적 및 내용
1. 목적: 일별 주가의 고가와 저가를 토대로 주식투자 수익성을 사후검증을 통해 모니터링하고 초기에 추정한 수익성에 관한 확률정보를 지속적으로 수정할 수 있는 베이지안 기반 관리차트를 개발하여 주식투자자가 그의 투자의사결정에 유익한 정보를 얻을 수 있는 투자의사결정 시스템을 제안하도록 함
2. 내용: 1. 일별 고-저가 정보 수집 및 분석
2. 고-저가를 베타확률분포함수로 변환
3. 사전확률분포함수 결정
4. 주식투자성과 관리를 위한 관리도 구성
5. 주식투자 불확실성 관리를 위한 관리도 구성
6. 사후확률분포함수 결정

□ 연구결과
일별 고-저 주가에 관한 정보를 수집해서 이를 3점 견적법을 적용해서 베타확률분포함수로 변환한다. 그리로 변환된 베타확률분포함수의 평균과 분산을 정규확률분포함수의 평균과 분산으로 대체하고 고-저가의 범위에 관한 정보를 이용해서 감마확률분포함수의 모수를 결정하기 위해 사용한다. 정규-감마확률분포함수의 모수들이 결정되면 이를 이용해서 주식투자의 성과를 관리하기 위한 관리도인 ESCFCC(expectec stock cash flow control chart)와 위험성을 관리하기 위한 관리도인 VSCFCC(variability stock cash flow control chart)를 작성한다. 관리도가 작성된 후에는 주기적으로 주가 관측치를 수집해서 이를 관리도에 반영해서 투자의사결정에 관한 투자정보를 파악한다. 이러한 투자정보를 파악한 후에는 사전확률분포함수와 주가 관측치를 통합해서 사후확률분포함수를 도출하고 이를 다시 후속 주가 관측치를 관리도에 반영하기 위해 관리도를 수정하도록 한다. 이와 같은 절차를 투자가 종료될 때까지 반복하는 순환적 투자의사결정시스템 개발이 본 연구의 주된 내용이다. 2010.1-2017.5월까지의 삼성전자주식회사 주식의 고-저가 정보를 수집해서 4가지 다른 시나리오별로 본 연구에서는 본 연구에서 제안한 투자의사결정시스템의 활용성을 보여주는 사례연구를 실시하였다.

□ 연구결과의 활용계획
1. SCFCC는 투자자들에게 유익한 투자의사결정 정보를 제공을 해 줄 것으로 믿는다.일별차트
2. 전통적으로 제조산업 분야 주로 적용되어 오던 공학적 기법이 금융산업 분야를 포함해서 서비스 산업분야로 확대 적용되는 파급효과로 공학과 경영학을 융합하는 기회가 창출될 것으로 믿는다.
3. 투자자들에게 거의 무료로 제공되고 있는 다양한 투자정보들을 아직까지 효과적으로 투자의사결정에 반영하지 못하고 있는 실정이다. 본 연구의 목표가 성공적으로 달성되면 이러한 투자정보들이 지금보다 유익하고 실효성 있도록 사용될 것으로 믿는다.
4. 학문적으로 아직까지 많은 연구가 진행되어 오지 않은 베이지안 관리차트와 의사결정과 관련된 연구의 활성화를 위해 조금이나마 기여할 것으로 믿는다.일별차트

Abstract

□ Purpose& contents
Purpose: The main purpose of this research is to develop a stock investment decision framework which is con.

□ Purpose& contents
Purpose: The main purpose of this research is to develop a stock investment decision framework which is conceived to provide a useful information for a stock investor to make a right stock investment decision. The development of the decision framework is based on a concept of quality control charts which is periodically updated using a Bayesian probability theory as a new stock information is arrived. The whole process of the framework is implemented with daily high-low stock prices.
Contents: 1. Collect and analyze daily high-low stock prices.
2. Develop a Beta probability distribution with the daily high-low stock prices.
3. Determine a prior probability distribution referring to the Beat probability distribution.
4. Construct a control chart to monitor the performance and variability of a stock investment.
5. Determine a posterior probability distribution

□ Result
The research got started with daily high-low stock prices collected and analyzed, and thereafter the beta probability distribution was developed with those stock prices. After the distribution was developed, its average and variances were used to take a 일별차트 place of the average and variance of a normal probability distribution which played a part of the parameters of a prior normal-gamma probability distribution. The rest of its parameters were derived from the ranges of the high-low stock prices. With those parameters, we constructed Bayesian-based control charts: One was to monitor a performance of a stock investment and the other was to monitor a variability of the stock investment. Once two control charts were constructed, a stock price was periodically observed and reflected in the control charts so that a stock investor might came by a useful information to make a right decision. In this research, the control charts were a component of a stock cash flow control chart(SCFCC). After obtaining information by investigating the control charts, it was necessary to revise the prior information with the observed stock price resulting in a 일별차트 posterior probability distribution. The process described above would be repeated until the investment activity was terminated, which was named a sequential investment decision framework. To demonstrate the validity of the framework developed in this research, we collected the stock prices of the SamSung Electrical Corporation ranging from January 1 in 2010 to May 31st in 2017. And we applied those stock prices for the 4 different scenarios, and compared their results and 일별차트 came to a conclusion that the high-low and ending stock prices did not generate a different decision on the stock investment.

□ Expected Contribution
1. It is believed that SCFCC will provide a useful and insightful information for a stock investor to make a right investment decision.
2. This research is concerned with the application of a manufacturing knowledge to a service sector like a financial industry. The research of this kine will play an important bridge role between a manufacturing and service industry.
3. There is no extra cost incurred to collect stock prices, but those prices have been used to make an investment decision in a very limited way. However, as demonstrated in this research, the stock prices attainable without an extra cost will be exploited in more diverse ways to make an investment decision.
4. It is thought that this research will 일별차트 promote more active research on the application of the concept of Bayesian control charts to a investment decision theory.

1. 코인 투자 분석가 가빈 일별차트 엠브리: SOL(솔라나)/USDT(테더) 일일 차트입니다. SOL은 저항선인 117달러(약 14만3231원)까지 내려앉았습니다. 그러나 이내 해당 저항선 위로 반등했습니다. 만약 코인(가상자산) 시장 가격 전체가 회복된다면, SOL도 함께 다시 상승세를 탈 수 있습니다.

$SOL Update – Channel Intact #Crypto: Solana nearly broke down below the $117 support but has managed to climb above it on the daily chart. If the crypto market as a whole can stabilize and not risk further downside I believe $SOL can begin to… https://t.co/yeSLOZlOO7 pic.twitter.com/GR4zrfWHrg

기자 코멘트: 분석가의 최종 지지 가격은 101.20달러(약 12만3868원)이고, 저항 가격은 152.17달러(약 18만6332원)입니다. 단기적 지지 가격은 117.24달러(약 14만3501원)와 136.54달러(약 16만7124원)입니다.

2. 코인 투자 분석가 여 루: BTC(비트코인) 가격은 4만3000달러(약 5263만원) 저항 구간을 상회하고 있습니다. 최근 비트코인 가격은 4만5000달러(약 5508만원)와 100시간 이동평균선(MA)을 넘나들면서 유지하고 있습니다.

최근 비트코인이 4만3650달러(약 5342만원) 가격 근처에서 저항을 받으면서 하락세를 보이고 있는 만큼 4만3800달러(약 5361만원) 이상을 유지한다면 상승을 위한 조정이라고 할 수 있습니다.

#Bitcoin stayed above the $43,000 support zone.
The price is still well below $45,000 and the 100 hourly simple moving average.
Bearish trend line forming with resistance near $43,650 on the hourly chart#BTC to start an upside correction if it settles above $43,800

— Yeo Lu (@TheYeoLu) April 8, 2022

이동평균선(Moving Average, MA)이란? 시간에 따른 가격 변화의 추이를 선으로 이어서 나타낸 지표를 뜻합니다.


0 개 댓글

답장을 남겨주세요