강도지수

마지막 업데이트: 2022년 7월 2일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
강한 추세의 방향으로 거래하면 위험이 줄어들고 잠재적 인 수익이 증가합니다. Relative Strength Index는 거래자가 정보에 입각 한 결정을 내릴 수 있도록 도와줍니다. 추세 거래는 특정 방향의 자산 모멘텀 분석을 통해 이익을 포착하려고합니다.

RSI (Relative Strength Index)는 주식 가격의 과매 수 또는 과매도 상태를 평가하기 위해 최근 가격 변화의 규모를 측정하는 모멘텀 지표입니다.

안녕하세요 . Daum 증권 운영자 입니다 .

RSI(relative strength index) 상대강도 지수에 대해서 알아 보겠습니다 .

*Daum 증권 현재가 챠트 RSI 를 참고 하세요 *

주식시장에서 상대강도 (relative strength) 란 기준이 되는 시장 전체에 대한 특정 업종 또는 어떤 개별 종목의 관계를 측정하는 것으로 해석됩니다 .

RSI 는 일정기간 동안 어떤 종목 또는 업종 ( 외환시장의 경우는 특정 통화 ) 의 자체 움직임과의 관계를 비교하는 것이고 , 이러한 움직임의 관계를 다음과 같은 공식을 사용해 0 ∼ 100 사이의 일정한 범위 속에 한정시킴으로써 객관적인 추세의 강도를 측정하고 아울러 매매시점을 포착하기 위한 지표로 만든 것이 RSI 입니다 .

< 작성 방법 >
RSI = 14 일간 상승폭 합계 /14 일간 상승폭 합계 + 14 일간 하락폭 합계 *100

요약하자면 RSI 는 14 일 간의 시장가격 변동폭 중에서 14 일 간의 시장가격 상승폭이 어느정도 인지를 지표로 표시하고자 한 것 입니다 .

이 14 일이라는 기간 값은 변경할 수 있으며 이 기간이 짧을수록 지표는 민감하게 움직이고 기간이 길면 움직임은 둔해집니다 . 지표가 민감하면 속임수를 내는 확률이 높아지고 지표가 둔하면 매매신호의 포착이 늦어지는 것은 대부분의 다른 지표들의 특성과 같고, 현재 시장에서 사용되고 있는 RSI 는 상승폭과 하락폭의 평균을 구하는 데 지수식 평균을 사용하고 있습니다 .

< 특성 >
따라서 RSI 의 값은 0 ∼ 100 사이에서 결정됩니다 . 일정 기간의 시장가격이 상승 일변도이고 하락은 없었다면 그 값은 100 이 될 것이고 하락 일변도의 시장에서는 0 이 될 것 입니다 .

일반적으로 14 일을 기준으로 할 때 RSI 의 값이 70 을 상회하면 과열 (overbought) 로 , 30 을 하회하면 침체 (oversold) 로 판단한다 . 9 일을 기준으로 하면 오실레이터의 진동이 민감해지므로 이 기준을 75 와 25 에 두어 사용하기도 합니다 .

① 75% 수준 : 경계신호 , 하향 이탈시 매도전략

② 25% 수준 : 침체권 , 상향 이탈시 매수전략

RSI 는 30 이하면 과매도 상태 , 70 이상이면 과매수 상태를 나타냅니다 . 위 챠트는 RSI50% 상향돌파로 인해 매수타이밍에 관한 설명 입니다 . 위의 챠트와 같이 매수신호 이후에 RSI 50~60% 에서 상승추세를 유지하고 있습니다 . 이런 경우는 매수 유지 하시고 RSI 50% 를 이탈 한다면 현추세 하락반적이 예상되기 때문에 유심히 관찰하여 단기매도타이밍으로 이용해 볼만 합니다 .

RSI 는 30 이하면 과매도 상태 70% 이상이면 과매수 상태를 나타냅니다 . 위 챠트는 과매수 구간과 RSI 50% 하향돌파로 인해 매도타이밍에 대한 설명 입니다 . RSI 는 50% 을 상향돌파를 하지 못하고 약세로 지속되는 경향이 있습니다 . 따라서 하락추세에서 50% 를 돌파하지 못 할 경우에는 수익률이 낮거나 손실을 초래 할 수 있으며 나중에 상승 할 때까지는 관망이 필요 합니다 .

상대 강도 지수를 설정하고 Quotex에서 RSI를 사용하는 방법

상대 강도 지수를 설정하고 Quotex에서 RSI를 사용하는 방법

상대 강도 지수를 설정하고 Quotex에서 RSI를 사용하는 방법

강한 추세의 방향으로 거래하면 위험이 줄어들고 잠재적 인 수익이 증가합니다. Relative Strength Index는 거래자가 정보에 입각 한 결정을 내릴 수 있도록 도와줍니다. 추세 거래는 특정 방향의 자산 모멘텀 분석을 통해 이익을 포착하려고합니다.

RSI (Relative Strength Index)는 주식 가격의 과매 수 또는 과매도 상태를 평가하기 위해 최근 가격 변화의 규모를 측정하는 모멘텀 지표입니다.

이동 평균을 활용하는 방법에는 여러 가지가 있습니다. 첫 번째는 강도지수 이동 평균의 각도를 보는 것입니다. 오랜 시간 동안 대부분 수평으로 움직이면 가격이 추세가 아닌 범위입니다. 거래 범위는 증권이 일정 기간 동안 일관된 높은 가격과 낮은 가격 사이에서 거래 될 때 발생합니다.

이동 평균선이 위로 기울어지면 상승 추세가 진행 중입니다. 그러나 이동 평균은 주식의 미래 가치에 대한 예측을하지 않습니다. 그들은 단순히 가격이 일정 강도지수 기간 동안 평균적으로 무엇을하고 있는지 보여줍니다.


RSI를 설정하는 방법은 무엇입니까?

대부분의 트레이더는 EUR / USD, EUR / JPY, 주식 및 암호 화폐와 같은 캔들 스틱 차트 및 통화 쌍을 선호합니다. 거래 플랫폼에서 RSI 표시기를 활성화하십시오. 15 분 이상의 기간을 사용하는 경우 기간 14를 권장합니다. 터보 옵션을 거래하는 경우 기간을 24-26으로 늘려 시장 소음의 해로운 영향을 줄이십시오.

상대 강도 지수를 설정하고 Quotex에서 RSI를 사용하는 방법

모든 오실레이터와 마찬가지로 Relative Strength Index는 가격 차트 아래에 있습니다. 레벨과 신호 라인으로 구성됩니다. 일반적으로 구역을 가로 지르는 동안 신호를 확인하는 데 사용됩니다. 그러나 다른 것을 시도해 봅시다.

실제로 캔들 스틱 차트와 RSI 신호선의 모양에주의를 기울이면 부분적으로 서로 중복되는 것을 알 수 있습니다. 그러나 그들은 동일하지 않습니다. RSI는 별도의 기간에 구축되며 단기 가격 급등에 반응하지 않습니다. 따라서 RSI 신호선은 가격 차트의 추세를보다 부드럽게 보여줍니다. 그래서 지표에 기술적 인 선을 그려 보자.

  • 첫째, 잘못된 신호에 반응하지 마십시오.
  • 둘째, RSI는 추세를 더 명확하게 보여줍니다.
  • 셋째, RSI는 추세의 강점과 방향을 나타내므로 반등과 돌파를 더 잘 식별 할 수 있습니다.


Relative Strength Index를 사용한 거래 옵션

위에서 언급했듯이 RSI (Relative Strength Index)는 주식 가격의 과매 수 또는 과매도 상태를 평가하기 위해 최근 가격 변화의 규모를 측정하는 모멘텀 지표입니다.

예를 들어, 주식의 장기 추세가 상승했다고 가정합니다. 구매 신호는 RSI가 50 아래로 이동했다가 다시 위로 올라갈 때 발생합니다. 본질적으로 이것은 가격 하락이 발생했음을 의미합니다. 따라서 거래자는 하락이 종료 된 것으로 보이고 (RSI에 따라) 추세가 재개되면 매수합니다. 50 레벨은 잠재적 반전이 진행되지 않는 한 RSI가 일반적으로 상승 추세에서 30에 도달하지 않기 때문에 사용됩니다. 단기 거래 신호는 추세가 하락하고 RSI가 50 위로 이동했다가 다시 하락할 때 발생합니다.

지표는 추세 거래 신호를 제공하고 반전에 대한 경고를 제공하는 것 외에도 가격 정보를 단순화 할 수 있습니다. 지표는 모든 시간 프레임에서 사용할 수 있으며 대부분의 경우 각 거래자의 특정 선호도에 맞게 조정할 수있는 변수가 있습니다. 트레이더는 지표 전략을 결합하거나 자체 지침을 마련 할 수 있으므로 거래에 대한 진입 및 종료 기준이 명확하게 설정됩니다.

RSI를 기반으로 한 전략은 시간의 시험을 견뎌 왔으며 특정 시장 지표 분석에 관심이있는 트렌드 트레이더에게 인기있는 도구로 남아 있습니다.

[전문가 코멘트]비트코인 상대강도지수(RSI) 불장 시사–플랜 B

[전문가 코멘트]비트코인 상대강도지수(RSI) 불장 시사–플랜 B

그는 RSI가 60을 밑돌다가 회복한 마지막 시기가 지난해 10월이라고 설명했다. 그 때 비트코인 가격은 10K였는데 5배가 올랐다고 말했다. RSI는 90까지 치솟았고 6개월 이상을 70위에서 머물렀다.

RSI는 주식, 선물, 옵션 등의 기술적 분석에 사용되는 보조 지표이다. RSI는 가격의 상승압력과 하락압력 간의 상대적인 강도를 나타낸다.

상승한 날의 변화치와 하락한 날의 변화치를 가지고 계산하는데 보통 70이상을 과매수 국면, 30이하를 과매도 국면으로 보고 있다. 플랜 B는 과매수국면으로의 진입을 비트코인 불장의 신호로 해석한 셈이다.

챠트에서 윗선이 비트코인 가격이고 아래선이 RSI다.

#bitcoin weekly RSI (relative strength index) is 60

Look at when we last recovered from a below-60-period: Oct 2020, BTC at $10K, price then pumped 5x, RSI hit 90 and stayed above 70 for 6 months

Also look at 2013 & 2017 bull markets: multiple periods with RSI in 70-90 range 🚀 pic.twitter.com/x89D8Lox8s

— PlanB (@100trillionUSD) September 3, 2021

플랜 B는 2013년과 2017년 불장 때를 보라고 권유했다. 이 때는 올해와 같이 4년 만에 돌아오는 비트코인 반감기 다음 해이다.

여러 곳의 구간에서 RSI가 70과 90 구간에 있었다고 설명했다.

플랜B는 시장 총 유통량과 신규 공급량으로 비트코인 가격을 예측하는 S2F모델로 유명한 인물이다.

S2F로 장기전망을 하면서 시장지표와 보조지표를 활용해 단기 가격 전망을 내놓는데 정확한 전망으로 인기가 높다. 지난 6월말에는 8월 강세장을 예고하고 휴가를 갔는데 적중했다.

ScienceON Chatbot

본 논문은 개인 투자자 및 기관 투자자들이 많이 사용 하고 있는 기술적 지표의 하나인 상대 강도 지수 거래 전략 및 제안된 역 상대강도 지수를 이용하여 기술적 분석의 타당성 및 거래 전략을 분석 하였다. 추가적으로 다른 MACD , Stochastic (5,3,3) , Stochastic (10,6,6) , 이동 평균선을 이용하여 성과 분석 실시하였다. 데이터는 2000년 1월 4일부터 2013년 9월 30일 , 2005년부터 1월 3일부터 2013년 9월 30일 Kospi 지수를 사용하였다. 일반 상대 강도 지수를 이용하여 홈트레.

본 논문은 개인 투자자 및 기관 투자자들이 많이 사용 하고 있는 기술적 지표의 하나인 상대 강도 지수 거래 전략 및 제안된 역 상대강도 지수를 이용하여 기술적 분석의 타당성 및 거래 전략을 분석 하였다. 추가적으로 다른 MACD , Stochastic (5,3,3) , Stochastic (10,6,6) , 이동 평균선을 이용하여 성과 분석 실시하였다. 데이터는 2000년 1월 4일부터 2013년 9월 30일 , 2005년부터 1월 3일부터 2013년 9월 30일 Kospi 지수를 사용하였다. 일반 상대 강도 지수를 이용하여 홈트레이딩 프로그램 통하여 성과분석 결과 비추세 시장 (박스권) 구간 에서 매매거래가 수익률이 좋은 것으로 검증이 되었으나 상승 추세구간에서는 수익률을 길게 가져가지 못하는 취약점을 가지고 있는 것을 확인 하였다. 하지만 역 상대강도 지수는 상승 추세 구간에 수익률을 최대한 길게 가져감에 검증 할 수 있었다. 중요 변수인 N (9에서부터 25) 대입하여 2000년 1월 4일부터 2013년 9월 30일 까지 역 상대 강도 지수의 성과 분석을 한 결과 N의 변수가 21일 때 가장 큰 총 손익이 발생 하였으며 , 2005년 1월 3일부터 2013년 9월 30일 까지는 역 상대 강도 지수 N 의 변수가 21일 때 가 가장 수익률이 좋은 것을 확인 할 수 있었다. 추가적으로 다른 기술적 지표를 이용하여 코스피 기간을 2000년 1월 4일부터 2013년 9월 30일 구간의 데이터를 이용하여 수익률을 분석 한 결과 MACD (단기 12일 , 장기 : 26일 , Singal 9일) 가장 수익률이 좋을 것을 확인 할 수 있었다. 또한 2005년 1월 3일부터 2013년 9월 30일 구간의 데이터를 이용하여 수익률을 분석 해본 결과 역 상대 강도 지수 N=21 다른 기술적 지표에 비하여 가장 높은 것을 확인 할 수 있었다 논문에서 고찰 하였듯이 추세 구간이 더 많은 한국 코스피 시장에서는 일반 상대 강도 강도지수 지수보다는 역 상대 강도 지수를 이용하여 매매 거래를 하는 것이 더욱 효과적인 것을 확인 할 수 있었다. 사실 현 시장 국면이 추세시장인지 비추세 시장인지 여부를 미리 파악하고 분리하여 기술적 지표를 이용하면 수익률을 가장 극대화 할 수 있지만 현 시점에서는 시장의 판단을 사후적으로 할 수 밖에 없기 때문에 일반적으로 역 상대강도 지수를 활용하는 것이 적절하다고 판단 할 수 있다.- 키워드 : 코스피 지수 , 상대 강도 지수 , 역 상대 강도 지수 , 슬리피지 (Slippage) , 추세 구간 , 비추세 (박스권)구간 、기술적 분석

#코스피 지수 상대 강도 지수 역 상대 강도 지수 슬리피지 추세 구간 비추세 (박스권)구간 기술적 분석 KOSPI index relative strength index inverse relative strength index slippage trend following segment non trend following technical indicator technical analysis;

머신러닝 인공지능 AI 아두이노 코딩아트

암호화폐 상대강도지수 파이선 알고리듬:Python Cryptocurency RSI(Relative Strength Index)

바이낸스 (Binance) 의 오픈 (public) API 를 사용하여 그래픽 지원 라이브러리인 Plotly 를 사용하여 인터액티브 한 가격 캔들 커브를 작성하였다 . 오픈 API 를 통해 입수되는 암호화폐의 강도지수 강도지수 시가 , 저가 , 고가 및 종가 데이터 중에서 종가 정보를 사용하여 앞서의 코드 이후에 셀을 추가하여 RSI( 상대강도지수 ) 를 계산해보자 .

J. Welles Wilder 가 창시한 상대강도지수 (Relative Strength Index) RSI 는 증권이나 코인의 가격 움직임을 측정하기 위한 대표적인 모멘텀 지표 (indicator) 이다 . 0~100 사이의 값을 가지는 RSI 는 그 값이 70 이상이면 과매수 (overbought) 상태이며 30 이하이면 과매도 (oversold) 상태로 정의한다 .

1978 년에 출판한 Wilder 의 저서 “New Concepts in Technical Trading Systems” 에서 Parabolic SAR, Average True Range, 및 DAX(Directional MOvement Concepts) 지표에 관한 내용을 포함하고 있다 . 본격적인 컴퓨터 시대 이전에 개발되었음에도 불구하고 시간에 따른 테스트에도 살아남아 지금은 대중적으로 잘 알려지게 되었다 .

Wilder 의 RSI 공식을 잘 이해하기 위해서는 시계열 데이터의 SMA(Simple Moving Average: 단순이동평균 ) 과 EMA(Exponential Moving Average) 에 관해서 사전 이해가 필요하다 . SMA 는 말 그대로 순차적인 N 개의 데이터의 산술 평균을 뜻한다 . 현재 시점의 시계열 데이터는 그에 앞선 시계열 데이터들로부터의 균일한 가중치 영향을 받게끔 산술 평균 처리한다 . 반면에 EMA 는 최근 시계열 데이터에 더 큰 가중치가 부여된다 .

특히 EMA 는 증권 가격 트렌드 분석에서 단기 50 일선과 장기 200 일선과의 교차 Golden Cross 또는 Death 출현에 따른 트렌드의 역전 (reversal) 여부를 판단을 위한 기술적 분석에 흔히 사용되는 좀 지연이 심한 지표 (lagging indicator) 로 사용된다 .

EMA 계산 공식을 살펴보자 .

일반적으로 Smoothing 은 2.0 으로 취한다 . Days 값은 이동평균 계산에서 주로 5, 10, 50, 200 이 주로 사용 된다 . 공식의 뒷 부분 괄호친 부분의 값은 대체로 1.0 보다 아주 작은 값이 되기 쉽다 . 한편 앞 뒷부분 박스 친 부분들을 합하면 1.0 이 된다 . 이 공식은 엔지니어링에서 흔히 사용되는 저주파 필터링 공식과 동일한 모양을 보여준다 .

다음 그래프는 비트코인 1 분봉 챠트 사례이다 . 이동평균들이 서서히 변동되는 부드러운 곡선임에 반해 매도 매수를 결정하기 위한 RSI 곡선은 캔들의 급격한 변동을 잘 반영하고 있음을 알 수 있다 . 특히 4 시간봉 또는 일본의 RSI 곡선에서 70% 이상은 과매수 상태임을 뜻하고 30% 이하는 과매도 상태를 의미한다고 하므로 매도 및 매수의 판단 조건으로 사용된다 .

캔들의 기민한 움직임을 잘 추적할 수 있는 RSI 지표를 계산해 보도록 하자 . RSI 지표를 계산하기 위해서는 2 종류의 평균값 즉 SMMA(U,n) 과 SMMA(D,n) 이 필요하다 . n 은 지금 현재를 기준으로 그 앞의 연속된 한 주기의 캔들 개수를 뜻한다 . U(Up) 는 n 개의 캔들 중 연이은 2 개의 캔들을 대상으로 상승이면 그 차이 값을 , 하강이면 0 을 취하도록 하고 모두 합산한 후에 n 으로 나누어 평균값을 구한다 . D(Down) 는 그 반대이다 . 즉 n 개의 캔들 신호를 대상으로 (n-1) 개의 SMMA(U,n) 과 SMMA(D,n) 값을 계산할 수 있다 . SMMA 는 Simplified or Modified Moving Average 의 약어이다 . 이 2 종류의 평균값을 사용하여 RS(Relative Strength) 를 정의하자 .

RS 를 사용하여 상대강도지표 RSI 는 다음과 같이 표현된다 .

처음 RSI 계산을 시작함에 있어서 자신을 포함하는 n 개의 캔들 신호에 대한 U(Up) 값과 D(Down) 값이 준비되어 있지 않다 . 즉 초기 데이터들이 아예 없음을 뜻한다 . 초기치 문제를 풀어야 할 경우 임의 값을 줄 수도 있으나 RSI 계산에 있어서는 첫 번째 단계만큼은 SMA(Simple Moving Average) 를 사용하는 것 하나의 방법이다 . 즉 초기치 문제에서는 첫 출발 단계에서 만큼은 어느 정도 오차 값이 있을 수밖에 없으나 캔들 데이터수가 늘어남에 따라 제대로 RSI 값들을 계산할 수 있을 것이다 . 이런 방법으로 첫 단계 계산이 이루어지게 되면 그 다음 단계에서부터는 즉 i 와 (i-1) 상태에 대해서 다음과 같이 SMMA(U,강도지수 n) 와 SMMA(D,n) 계산이 가능해진다 . 이 계산 공식은 파이선에서 ewm.avg() 명령어를 사용하여 계산이 가능하다 . 하지만 예를 들어 n=14 를 적용할 경우 13 개까지는 n=14 를 충족하지 못하므로 계산 자체가 불가능하기에 파이선 ewm.avg() 를 사용할 경우 NaN 이 출력 될 수밖에 없음에 유의하자 .

한편 이 공식을 잘 살펴보면 계수들의 합이 1.0 이 되는 저주파 필터 공식임을 알 수 있다 .

RSI 계산을 위한 computeRSI(data, time_window) 함수의 코드를 살펴보자 .

파이선 명령 또는 pandas 명령이기도 한 diff() 와 dropna() 를 알아보자 .

- diff(axis=n, periods=m): 지정 축 (axis) 을 기준으로 m 번째 간격을 띤 요소와 차이 계산

axis=0 은 row, 강도지수 axis=1 은 column 을 뜻한다 .

- dropna(): 매트릭스의 row 에서 Nat, None, NaN 이 들어 있는 항을 제거한다 .

즉 pandas DataFrame 인 data 에 대해서 periods=1 로 차이 값을 계산하되 그 결과가 Nat, None, NaN 이면 제외한다 . data 의 요소 수가 500 개라면 diff 는 차이 값 계산 이므로 499 개 가 된다 . 본 블로그 끝 부분에 첨부된 computeRSI 코드는 다음 블로그 사이트에서 일부 참조하였다 .

Predicting XRP (Ripple) Cryptocurrency Price with Python and Machine Learning

바이낸스 API 를 사용하여 엔드포인트에서 반환 받는 데이터 수는 pandas DataFrame 기준 500 개로 고정 되어 있다 . 이 중에서 종가 (Close) 만 뽑아내어 RSI 를 계산해보자 . RSI 계산에 필요한 차이값은 499 개가 된다 .

다음의 그림은 RSI 계산 과정 이해를 위해 변수 값들을 중간에 출력해 보았다 .

이 499 개의 차이 값을 대상으로 위와 같이 명령어 ewm.avg() 을 사용하여 up_chg_avg 와 down_chg_avg 를 계산한다 . 파라메터 값 time_window = 14 가 사용된다 .

아울러 다음의 파라메터 설명을 참조하자 . 즉 Default 인 adjust=False 이면 앞서 기술된 SMMA 계산 공식이 적용될 수 있으며 adjust=True 면 α =(1/(1+com)) 의 고차 항들까지 고려가 된다 .

이 명령에 따라 14 번째 데이터를 사용하여 15 번째 SMMA(U,14) 를 계산해 보자 . 14 번째 데이터는 위 수치계산 사례에서 두 번째 컬럼에서의 diff 출력 값 중 + 에 해당하는 값들을 14 개 합하여 평균한 SMA 값이다 . 15 번째 SMMA 는 다음 계산을 통해 확인이 가능하다 .

동일한 방식으로 Up 과 Down SMMA 값 계산이 이루어지면 RSI 계산이 이루어질 수 있다 . 계산이 완료된 RSI 컬럼 데이터를 따로 뜯어내어 별도로 pandas DataFrame 인 r_df 를 준비한 후 matplotlib 의 iplot 기능을 사용하여 그래프를 출력하자 . 그래프 속성이 캔들이 아닌 라인 그래프인 만큼 matplotlib 사용이 편리하다 . 전체 500 개 데이터 위치 중 그래프 전반 부 13 개 NaN 만큼 비어 있음을 확인하자 .

#compute RSI after exeucuting cryptocurrency_etc.ipynb

def computeRSI ( data , time_window ):

diff = data.diff( 1 ).dropna() # diff in one field(one day)

print (diff[: 15 ]) #499개 출력

#this preservers dimensions off diff values

up_chg = 0 * diff

down_chg = 0 * diff

# up change is equal to the 강도지수 positive difference, otherwise equal to zero

up_chg[diff > 0 ] = diff[ diff> 0 ]

# down change is equal to negative deifference, otherwise equal to zero

# we set com=time_window-1 so we get decay alpha=1/time_window

up_chg_avg = up_chg.ewm(com=time_window -1 , min_periods=time_window, adjust= False ).mean()

down_chg_avg = down_chg.ewm(com=time_window -1 , min_periods=time_window, adjust= False ).mean()


0 개 댓글

답장을 남겨주세요