일목균형표 활용 방법과 파이썬 함수

일목균형표 활용 전략

일목균형표는 다양한 지표들을 종합적으로 분석하여 시장 전반적인 추세와지지/저항선을 파악하는 데 사용됩니다. 일목균형표는 5개의 지표를 사용하여 분석합니다.

• 전환선 (Conversion Line)
  (과거 9일간의 고가 + 저가) / 2를 계산한 후 9일 전의 값을 표시합니다.
  
  
• 기준선 (Base Line)
  (과거 26일간의 고가 + 저가) / 2를 계산한 후 26일 전의 값을 표시합니다.
  
  
• 선행스팬 1 (Leading Span 1)
  (전환선 + 기준선) / 2를 계산한 후 26일 후의 값을 표시합니다.
• 선행스팬 2 (Leading Span 2)
  (과거 52일간의 고가 + 저가) / 2를 계산한 후 26일 후의 값을 표시합니다.
  
  
• 후행스팬 (Lagging Span)
  현재 가격을 26일 전의 값과 비교하여 차트에 표시합니다.

일목균형표에서는 이러한 지표들을 종합적으로 분석하여 다음과 같은 정보를 파악할 수 있습니다.

• 추세 파악
  전환선과 기준선의 크로스 포인트, 선행스팬 1과 선행스팬 2의 위치 등을 분석하여 추세의 전환점을 파악할 수 있습니다. 대표적인 추세 패턴은 '전환선과 기준선의 골든 크로스(Golden Cross)'와 '데드 크로스(Dead Cross)'입니다.
  
  골든 크로스: 일목균형표에서 전환선이 기준선을 상향 돌파하는 경우를 말합니다. 이는 상승 추세가 강화될 가능성이 높다는 것을 의미하며 매수 신호로 간주됩니다.
  데드 크로스: 일목균형표에서 전환선이 기준선을 하향 돌파하는 경우를 말합니다. 이는 하락 추세가 강화될 가능성이 높다는 것을 의미하며 매도 신호로 간주됩니다.
  
  
• 추세 회전
  일목균형표에서 나타나는 추세 회전 패턴을 분석하여 매매 시점을 결정합니다. 대표적인 추세 회전 패턴은 '추세 역전 패턴(Trend Reversal Patterns)'입니다.
  
  추세 역전 패턴: 일목균형표에서 나타나는 추세 역전 패턴은 추세가 반전될 가능성이 높은 형태를 말합니다. 대표적인 패턴으로는 '상승추세에서의 볼린저 밴드 상단 돌파'와 '하락추세에서의 볼린저 밴드 하단 돌파' 등이 있습니다.
  추세 회전 기반의 기법은 추세 역전 패턴이 발생할 때 매매 포지션을 선정합니다.
• 지지/저항선 파악
  선행스팬 1과 선행스팬 2가 가격 차트의 아래쪽에 위치해 있으면 지지선, 위쪽에 위치해 있으면 저항선으로 활용할 수 있습니다.
  
  
• 모멘텀 파악
  선행스팬 1과 선행스팬 2의 기울기, 후행스팬의 위치 등을 분석하여 시장의 강도와 추세의 지속 가능성을 파악할 수 있습니다.

일목균형표 전환, 기준선의 골든크로스와 데드크로스 활용 예제

일목균형표는 다양한 지표를 종합적으로 분석하므로, 단일 지표에 의존하는 것보다 전반적인 시장 동향을 파악하는 데 유용합니다. 다만, 복잡한 계산과 많은 지표들을 분석해야 하므로, 익숙하지 않은 투자자에게는 사용이 어려울 수 있습니다.

 

일목균형표 一目均衡表 란?

일목균형표는 후세이노 휴시히데라 Ichimoku Kinko Hyo는 일본의 트레이더가 만들었습니다. 일목균형표뿐만 아니라 다양한 분석 방법을 개발했으며, 가격 변동, 추세, 지지 및 저항선 등을 분석하여 다음 가격 움직임을 예측하는 데 사용합니다.

일목균형표는 기본적으로 다섯 개의 선으로 이루어져 있고 이 중 일목균형표에서 가장 중요한 두 개의 선은 전환선과 기준선입니다. 전환선은 짧은 기간의 이동평균을 나타내고 기준선은 장기적인 이동평균을 나타냅니다.

이 두 개의 선은 크로스 포인트를 통해 추세의 반전을 나타내며, 매수 및 매도 신호를 제공합니다.

일목균형표에는 다른 세 가지 선으로 첫째는 후행스팬이 있습니다. 후행스팬은 현재 가격을 나타내는 데 사용되며 일반적으로 차트와 함께 나타납니다. 둘째는 선행스팬 1입니다. 선생스팬 1은 전환선과 기준선의 평균을 26일 전에 표시한 것입니다. 세 번째는 선행스팬 2입니다. 이것은 기준선을 26일 전에 표시한 것입니다.

일목균형표는 추세를 파악하기 쉽고 지지선과 저항선을 파악하기 용이하며, 진입 및 청산 포인트를 정하는데 용이합니다. 일목균형표는 현재의 추세가 어디까지 이어질지 예측하는 것에는 유용하지만 추세가 이미 일어난 후에야 후행적으로 나타나는 경우가 많기 때문에 거래 시기를 놓치기 쉽다는 단점이 있습니다. 또한 지나치게 많은 신호가 발생할 수 있고 단기적인 시장의 변화에는 민감한 지표는 아닙니다.

일목균형표는 HTS나 MTS에서 쉽게 사용할 수 있으며 추세와 반전 신호를 신속하게 파악하는 용도로 사용할 수 있습니다. 그러나 이 도구를 올바르게 사용하려면, 해당 시장의 특성과 변동성, 그리고 일목균형표의 다른 요소들과의 상호작용을 이해하는 것이 중요합니다.

 

일목균형표와 비슷한 유형의 보조지표

일목균형표와 유사한 보조 지표로는 다음과 같은 것들이 있습니다.

• 볼린저 밴드(Bollinger Bands)
  주가의 표준 편차에 따라 상한선과 하한선을 계산하여 그 범위 내에서 주가의 움직임을 추적하는 지표입니다. 상한선과 하한선 사이의 추세를 분석할 수 있습니다.
  
  
• 이동평균선(Moving Averages)
  일정 기간 동안 주가의 평균 가격을 계산하여 추세를 분석하는 지표입니다. 주가의 상승 추세나 하락 추세를 쉽게 파악할 수 있습니다.
  
  
• 상대강도지수(Relative Strength Index, RSI)
  과매수 상태와 과매도 상태를 판단하기 위해 사용하는 지표입니다. 주가의 상승과 하락의 속도와 크기를 분석하여 예측을 돕습니다.
  
  
• 스토캐스틱 오실레이터(Stochastic Oscillator)
  일정 기간 동안의 주가의 최고가와 최저가 사이에서 현재 가격이 어디에 위치하는지를 파악하여 상승 추세와 하락 추세를 판단하는 지표입니다.
  
  
• MACD(Moving Average Convergence Divergence)
  단기 이동평균과 장기 이동평균의 차이를 분석하여 추세의 방향과 강도를 판단하는 지표입니다.

이 외에도 다양한 보조 지표들이 있으며, 이를 조합하여 주가 분석을 보다 정확하게 수행할 수 있습니다.

---

일목균형표를 계산하는 Python 함수

import pandas as pd
import numpy as np

def ichimoku(data, conversion_period=9, base_period=26, lagging_period=52):
    # 각각의 기간을 위한 이동평균선을 계산합니다.
    conversion_line = (data['High'].rolling(window=conversion_period).max() + data['Low'].rolling(window=conversion_period).min()) / 2
    base_line = (data['High'].rolling(window=base_period).max() + data['Low'].rolling(window=base_period).min()) / 2
    lagging_line = data['Close'].shift(lagging_period)
    
    # 미래의 가격을 예측하기 위해 최근 26일치 가격을 사용합니다.
    future_span_a = (conversion_line + base_line) / 2
    future_span_b = (data['High'].rolling(window=lagging_period).max() + data['Low'].rolling(window=lagging_period).min()) / 2
    
    # 결과를 데이터프레임으로 반환합니다.
    return pd.DataFrame({
        'Conversion Line': conversion_line,
        'Base Line': base_line,
        'Lagging Line': lagging_line,
        'Future Span A': future_span_a.shift(base_period),
        'Future Span B': future_span_b.shift(base_period)
    })

# 임의의 데이터를 생성합니다.
data = pd.DataFrame({
    'Date': pd.date_range('2021-01-01', '2021-02-28'),
    'Open': [100, 110, 120, 130, 120, 110, 100, 90, 100, 110, 120, 130, 140, 150, 160, 170, 180, 170, 160, 150, 140, 130, 120, 110, 100, 90, 80],
    'High': [120, 130, 140, 150, 150, 130, 120, 110, 120, 130, 140, 150, 160, 170, 180, 190, 200, 190, 180, 170, 160, 150, 140, 130, 120, 110, 100],
    'Low': [90, 100, 110, 120, 110, 100, 90, 80, 90, 100, 110, 120, 130, 140, 150, 160, 170, 160, 150, 140, 130, 120, 110, 100, 90, 80, 70],
    'Close': [110, 120, 130, 140, 130, 120, 110, 100, 110, 120, 130, 140, 150, 160, 170, 180, 190, 180, 170, 160, 150, 140, 130, 120, 110, 100, 90],
})

# 함수를 실행하여 결과를 출력합니다.
result = ichimoku(data)
print(result)


    Conversion Line  Base Line  Lagging Line  Future Span A  Future Span B
0               NaN        NaN           NaN            NaN            NaN
1               NaN        NaN           NaN            NaN            NaN
2               NaN        NaN           NaN            NaN            NaN
3               NaN        NaN           NaN