__Data Analysis/교육

[금융경제] 볼린저밴드(Bollinger Bands) 투자 기법

KL_ 2021. 6. 8. 23:13

볼린저밴드 관련 지표

- 20일 이동평균선

- %b
- 밴드폭(bandwidth)
- MFI(+RSI)

[ 코드 구현 ]

볼린저밴드¶

~~- 5일 이동평균선을 이용한 매수 매도 진입점 파악~~

- 20일 이동평균선을 이용

라이브러리 불러오기¶

import pandas as pd
import numpy as np
import pandas_datareader as pdr
import FinanceDataReader as fdr
from matplotlib import dates as mdates
%matplotlib inline

from pykrx import stock
from xml.etree import ElementTree

import warnings
warnings.filterwarnings(action='ignore')

# pd.set_option('display.float_format', '${:.6g}'.format)
# pd.options.display.float_format = '{:.6f}'.format
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'Malgun Gothic'

함수 정의 ¶

def myplot(df, nrows=5,  kind='line', title='제목', labels=False):  
    if nrows > 0:
        print(df.head(nrows))
    else:
        print(df.tail(nrows))
    
    if labels:
        cols = df.columns
        for i, col in enumerate(cols):
            df[col].plot(label=labels[i], kind=kind)
    else :
        df.plot(kind=kind)
    
    plt.title(title)
    plt.legend()
    plt.show()

파라미터 정의 ¶

- 100개 데이터를 확인하고자 함

SIZE_=100

데이터 생성 ¶

- 함수를 이용해 krx 데이터를 불러옴

df = pd.DataFrame()
df = my_krx('20181203', '20210427', '005930')
df.head()

>out

success:1, failed:0

	date	code	open	high	low	close	volume
0	2018-12-03	005930	42750	43400	42400	43250	12110702
1	2018-12-04	005930	42650	42900	41900	42150	14347746
2	2018-12-05	005930	40900	41750	40850	41450	12631983
3	2018-12-06	005930	40600	41100	40450	40500	14251826
4	2018-12-07	005930	40900	41400	40850	40950	11433083

볼린저밴드¶

- 상한선: 볼린저밴드 +2편차

- 볼린저밴드= 20일 이평선/편차

- 하한선: 볼린저밴드 -2편차

- 지표 : 20일 이동평균선

df['m20']= df['close'].rolling(20).mean()
df['m20_std']= df['close'].rolling(20).std()
df['upper']= df['m20'] + df['m20_std']*2
df['lower']= df['m20'] - df['m20_std']*2

- rolling 후 생겨난 null값 행 삭제

df.dropna(axis=0, inplace=True)

- 날짜데이터 datetime 타입으로 변형, index 설정

df['date']= pd.to_datetime(df['date'])
df.set_index('date',inplace=True)

df.head()

Out>

	code	open	high	low	close	volume	m20	m20_std	upper	lower
date
2019-01-02	005930	39400	39400	38550	38750	7847664	39772.5	1370.312584	42513.125169	37031.874831
2019-01-03	005930	38300	38550	37450	37600	12471493	39490.0	1185.615541	41861.231082	37118.768918
2019-01-04	005930	37450	37600	36850	37450	14108958	39255.0	1092.787358	41440.574717	37069.425283
2019-01-07	005930	38000	38900	37800	38750	12748997	39120.0	966.872331	41053.744663	37186.255337
2019-01-08	005930	38000	39200	37950	38100	12756554	39000.0	934.992260	40869.984520	37130.015480

- 볼린저밴드 차트 확인

plt.plot(df['close'].iloc[:SIZE_],label='close')
plt.plot(df['m20'].iloc[:SIZE_],label='m20')
plt.plot(df['upper'].iloc[:SIZE_],label='upper')
plt.plot(df['lower'].iloc[:SIZE_],label='lower')
plt.legend()
plt.fill_between(df.iloc[:SIZE_].index, df['upper'].iloc[:SIZE_], df['lower'].iloc[:SIZE_],alpha=0.2)
plt.show()

- 지표: %b¶

- 주가가 볼린저 밴드 영역 내 어느곳에 위치해 있는지를 나타내는 지표

- %b= (종가-하한볼린저)/(상한볼린저-하한볼린저)

df['%b']= (df['close']-df['lower'])/(df['upper']-df['lower'])

plt.plot(df['close'].iloc[:SIZE_],label='close')
plt.plot(df['%b'].iloc[:SIZE_],label='%b')
plt.plot(df['m20'].iloc[:SIZE_],label='m20')
plt.plot(df['upper'].iloc[:SIZE_],label='upper')
plt.plot(df['lower'].iloc[:SIZE_],label='lower')
plt.legend()
plt.fill_between(df.iloc[:SIZE_].index, df['upper'].iloc[:SIZE_], df['lower'].iloc[:SIZE_],alpha=0.2)
plt.show()

- 볼린저밴드, 주가 데이터가 %b와 지수가 달라 차트에서 비교 불가

- 이중 차트를 그려 해결

=>>

plt.plot(df['close'].iloc[:SIZE_], label = 'close')
plt.plot(df['m20'].iloc[:SIZE_], label= 'm20')
plt.plot(df['upper'].iloc[:SIZE_], label='upper')
plt.plot(df['lower'].iloc[:SIZE_], label= 'lower')
plt.fill_between(df.iloc[:SIZE_].index, df['upper'].iloc[:SIZE_], df['lower'].iloc[:SIZE_], alpha =0.2)
plt.legend()

plt.twinx()
plt.plot(df['%b'].iloc[:SIZE_],label = '%b' , color = 'yellow')
plt.legend()
plt.show()

- %b와 종가는 유사하게 움직인다. 즉, %b는 주가의 흐름을 따른다

- 지표: 밴드폭(bandwidth)¶

- 스퀴즈 파악에 유용

- 주가가 극도로 떨어져 이제 곧 반등세(상승세)를 보일 것으로 예상되는 상황

- 밴드폭= (상한-하한)/중간 (option *100(비율))

df['bwith']= (df['upper']-df['lower'])/df['m20']

plt.figure(figsize=(10,5))
plt.plot(df['close'].iloc[:SIZE_], label = 'close')
plt.plot(df['m20'].iloc[:SIZE_], label= 'm20')
plt.fill_between(df.iloc[:SIZE_].index, df['upper'].iloc[:SIZE_], df['lower'].iloc[:SIZE_], alpha =0.2)
plt.legend()

plt.twinx()
plt.plot(df['%b'].iloc[:SIZE_],label = '%b' , color = 'purple')
plt.plot(df['bwith'].iloc[:SIZE_],label = 'bwith' , color = 'yellow')
plt.legend()
plt.show()

- 변동성이 크다 = 밴드폭이 크다

- 밴드폭 최상 = lower 최저

RSI(상대강도지수), MFI(현금흐름지표)¶

일중강도지수는 II

볼린저밴드 매매 전략¶

변동성 돌파
추세 추종 >> 추세가 상승세에 매수, 하락세에 매도
반전(반등세) >> 꺾이는 지점, 주가가 반등세인 구간을 찾아내 매수, 매도

현금흐름지수 계산

- 추세추종: 현금흐름지수(MFI)를 따른다
- MF => 평균가 (고가,저가,종가)/3 * 거래량
- MFI= 100 - (100/ (1+긍정현금흐름/부정현금흐름) )
- 긍정현금흐름: 중심가가 전날보다 상승한 날들의 일수 합
- 부정현금흐름: 중심가가 전날보다 하락한 날들의 일수 합

df.head()

Out>

	code	open	high	low	close	volume	m20	m20_std	upper	lower	%b	bwith
date
2019-01-02	005930	39400	39400	38550	38750	7847664	39772.5	1370.312584	42513.125169	37031.874831	0.313455	0.137815
2019-01-03	005930	38300	38550	37450	37600	12471493	39490.0	1185.615541	41861.231082	37118.768918	0.101473	0.120093
2019-01-04	005930	37450	37600	36850	37450	14108958	39255.0	1092.787358	41440.574717	37069.425283	0.087065	0.111353
2019-01-07	005930	38000	38900	37800	38750	12748997	39120.0	966.872331	41053.744663	37186.255337	0.404331	0.098862
2019-01-08	005930	38000	39200	37950	38100	12756554	39000.0	934.992260	40869.984520	37130.015480	0.259356	0.095897

- 지표: MFI ¶

# MFI
df['medium'] =(df['high']+ df['low']+ df['close'])/3 # 평균가
df['m_shift']= df['medium'].shift(1) # 전일가

# 현금흐름 분류
df['positive'] = (df['medium'] > df['m_shift']).apply(lambda x:1 if x==True else 0)
df['negative'] = (df['medium'] <= df['m_shift']).apply(lambda x:1 if x==True else 0)

# MF = 전일보다 올랐을 때의 MF 합,  전일보다 내렸을 때의 MF 합
df['positive']*= df['medium']* df['volume'] # 긍정현금흐름
df['negative']*= df['medium']* df['volume'] # 부정현금흐름
df['MFI'] = 100 - (100 / (1 + (df['positive'].sum() / df['negative'].sum())) )
df['MFI10'] = 100 - (100 / (1 + (df['positive'].rolling(10).sum() / df['negative'].rolling(10).sum()))  )

- MFI 결과값 확인

df.tail()

Out[20]:

	code	open	high	low	close	volume	m20	m20_std	upper	lower	%b	bwith	medium	m_shift	positive	negative	MFI	MFI10
date
2021-04-21	005930	83300	83500	82500	82600	21636079	83495.0	1430.669700	86356.339399	80633.660601	0.343605	0.068539	82866.666667	83666.666667	0.000000e+00	1.792910e+12	54.91464	46.708272
2021-04-22	005930	82900	83000	82400	82400	13934746	83555.0	1352.376077	86259.752153	80850.247847	0.286487	0.064742	82600.000000	82866.666667	0.000000e+00	1.151010e+12	54.91464	48.408114
2021-04-23	005930	81900	82900	81600	82800	17805080	83620.0	1277.579949	86175.159898	81064.840102	0.339540	0.061114	82433.333333	82600.000000	0.000000e+00	1.467732e+12	54.91464	48.628373
2021-04-26	005930	82900	83500	82600	83500	15489938	83715.0	1186.891118	86088.782236	81341.217764	0.454714	0.056711	83200.000000	82433.333333	1.288763e+12	0.000000e+00	54.91464	57.492564
2021-04-27	005930	83200	83300	82500	82900	12941533	83750.0	1149.599473	86049.198945	81450.801055	0.315153	0.054906	82900.000000	83200.000000	0.000000e+00	1.072853e+12	54.91464	48.695328

- 차트 확인

plt.subplots(figsize=(10, 6))
ax1,ax2= plt.gca(),plt.gca().twinx()
plt.subplot(2,1,1)
plt.plot(df['close'].iloc[:SIZE_], label = 'close')
plt.plot(df['m20'].iloc[:SIZE_], label= 'm20')
plt.fill_between(df.iloc[:SIZE_].index, df['upper'].iloc[:SIZE_], df['lower'].iloc[:SIZE_], alpha =0.2)
plt.twinx()
plt.plot(df['bwith'].iloc[:SIZE_],label = 'bwith' , color = 'yellow')

plt.legend()
plt.grid()
#======================================================
plt.subplots(figsize=(10, 6))
plt.subplot(2,1,2)
plt.plot(df['%b'].iloc[:SIZE_]  , label = '%b' , color = 'purple')
plt.twinx()
plt.plot(df['MFI10'].iloc[:SIZE_], label = 'MFI10' , color = 'pink')
plt.legend()
plt.grid()
plt.show()

- 수정 필요사항: 반등지점 표시할 지표를 추가해야한다.

- 내용 추가중입니다. -