이동 평균 및 모멘텀

마지막 업데이트: 2022년 7월 23일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
MACD 예

검색유형 검색유형

키워드보기
초록(한국어)

본 연구는 한국주식시장의 자료를 대상으로 횡단면 모멘텀, 시계열 모멘텀, 이동평균 모멘텀의 3가지 모멘텀 측정치들을 구하고, 이들 측정치의 공통성을 반영하여 생성된 새로운 모멘텀 측정치인 주성분 모멘텀을 이용하여 모멘텀 효과를 검증한다. 공통성을 추출하는 방법으로는 주성분분석을 이용한다. 주요 검증결과를 보면, 한국주식시장에서 음(-)의 모멘텀 이익은 모멘텀 측정치의 선택에 관계없이 견고하게 관찰된다. 새로이 고안된 주성분 모멘텀은 기존 3가지 모멘텀 측정치의 정보가치에 공통적으로 포함된 모멘텀 효과의 정보를 효과적으로 추출한 측정치임을 잘 보여주며, 주성분 모멘텀은 기존 모멘텀 측정치에 비교하여 모멘텀 전략에서 얻어지는 투자성과의 경제성(크기)과 신뢰성(통계적 유의성)에서 의미 있는 향상을 가져온다. 주성분 모멘텀이 갖는 이러한 우위는 거래량 회전율(투자자 관심)에 크게 영향을 받지는 않으나 높은 거래량 회전율 주식집단에서 강하게 나타난다. 또 주성분 모멘텀이 갖는 비교우위는 주식수익률의 계절성과 포트폴리오 형성기간 및 미래 보유기간의 변화에 관계없이 강건하게 성립한다. 이는 본 연구에서 고안한 주성분 모멘텀이 기존 연구에서 이용된 다양한 모멘텀 측정치들의 속성을 결합하고 관련 연구를 확장할 수 있는 방법으로 유용하게 이용될 수 있음을 의미한다.

초록(외국어)

This study devises a new momentum measure (principal component momentum, PMOM) by reflecting the commonality of the traditional momentum measures(cross-sectional momentum, time-series momentum, moving-average momentum). And we use the PMOM to verify the momentum effect in the Korean stock market. Principal component analysis is used to extract commonality. The main results are as follows. First, negative momentum profits in the Korean stock market are strongly observed regardless of the choice of momentum measure. Second, the newly devised PMOM brings a meaningful improvement in the size and significance of the investment performance obtained from the momentum strategy compared to the existing momentum measures. Third, this improvement effect is not significantly affected by the volume turnover (a proxy of investor attention), but it is strong in the stock group with a high turnover. Fourth, the improvement of the PMOM remains strong regardless of the seasonality of stock returns and changes in the portfolio formation period and future holding period. These results mean that the PMOM used in this study can be usefully utilized as a method to combine the properties of various momentum measures used in the momentum studies and expand related studies.

이동 평균 수렴 및 발산 (MACD)

오늘은 이동 평균에서 파생된 다른 기술 지표인 이동 평균 수렴 및 발산 (MACD, moving average convergence/divergence) 에 대해서 알아보겠습니다 .

MACD는 가격이 특정 방향으로 추세를 보이고 있는 추세 시장에서 일반적으로 자주 사용되는 모멘텀 오실레이터입니다.

MACD를 사용하여 주식 가격 추세의 방향 또는 심각도의 변화를 식별합니다 .

MACD 는 주식 가격의 최근 모멘텀이 기본 추세의 변화를 나타내는 시기를 찾는데 도움이 됩니다 .

투자자가 포지션 진입 , 추가 또는 종료 할 시기를 결정하는 데 도움이 될 수 있습니다 .

이동 평균 수렴 및 발산 (MACD)은 단 기간 EMA (12 일 지수 이동 평균 ) 에서 장 기간 EMA(26 일 지수 이동 평균 ) 를 뺀 계산 값입니다.

MACD = 12일 EMA - 26일 EMA

두 개의 이동 평균을 보면 단 기간 EMA 는 장 기간 EMA 가 좁혀지거나 멀어지는 것을 볼 수 있습니다 . 따라서 두 이동 평균의 차는 0 의 값을 기준으로 위아래로 오르락내리락하게 됩니다 .

MACD 예

12 일 EMA 가 26일 EMA 위에 있으면 MACD 가 양수

12 일 EMA 가 26일 EMA 아래에 있으면 MACD 가 음수

MACD 분석 구성 요소

  • MACD
  • 신호선 (9 일 EMA)
  • 히스토그램 (MACD 라인과 신호선 의 차이) : 크로스 오버가 발생할 수 있는 시기를 보여줌

MACD 가 신호선 위에 있으면 히스토그램은 MACD 의 기준선 위에 있습니다 .

MACD 가 신호선 아래에 있으면 히스토그램은 MACD 의 기준선 아래에 있습니다 .

MACD 의 히스토그램을 사용하여 강세 또는 약세 모멘텀이 높은 시기를 식별합니다 .

MACD 기본적인 사용 방법

  • 일반적으로 매수 , 매도 신호를 생성하여 투자 종목의 과매수 ( 잠재적으로 비싸짐 ) 또는 과매도 ( 잠재적으로 저렴함 ) 를 결정하는 데 사용됩니다 .
  • MACD 가 신호선 위로 상승하면 강세 신호로 매수 시기
  • MACD 가 신호선 아래로 떨어지면 약세 신호로 매도 시기

MACD 는 후행 지표입니다 . 결국 MACD 에서 사용되는 모든 데이터는 주식의 과거 가격 행동을 기반으로 합니다. 과거 데이터를 기반으로 하기 때문에 반드시 주가의 지연이 있습니다. (히스토그램과 다른 보조 지표를 이용해 보완해 줄 수 있습니다.)

이동 평균 수렴 발산 (MACD) 표시기가 Binance 에서 작동하는 방식

이동 평균 수렴 발산 (MACD) 표시기가 Binance 에서 작동하는 방식

이동 평균 수렴 다이버전스 (MACD)는 트레이더가 기술적 분석 (TA)을 위해 널리 사용하는 오실레이터 유형 지표입니다. MACD는 이동 평균을 사용하여 주식, 암호 화폐 또는 다른 거래 가능한 자산의 모멘텀을 결정하는 추세 추종 도구입니다.

1970 년대 후반 Gerald Appel이 개발 한 Moving Average Convergence Divergence 지표는 이미 발생한 가격 이벤트를 추적하므로 후행 지표 범주에 속합니다 (과거 가격 조치 또는 이동 평균 및 모멘텀 데이터를 기반으로 신호를 제공함). MACD는 시장 모멘텀과 가능한 가격 추세를 측정하는 데 유용 할 수 있으며 많은 거래자들이 잠재적 인 진입 및 종료 지점을 파악하는 데 사용합니다.

MACD의 메커니즘에 들어가기 전에 이동 평균의 개념을 이해하는 것이 중요합니다. 이동 평균 (MA)은 미리 정의 된 기간 동안 이전 데이터의 평균 값을 나타내는 단순한 선입니다. 금융 시장의 맥락에서 이동 평균은 기술 분석 (TA)에서 가장 인기있는 지표 중 하나이며 단순 이동 평균 (SMA)과 지수 이동 평균 (EMA)의 두 가지 유형으로 나눌 수 있습니다. SMA는 모든 데이터 입력에 동일하게 가중치를 부여하지만 EMA는 가장 최근 데이터 값 (최신 가격 포인트)에 더 많은 중요성을 할당합니다.

MACD의 작동 원리

MACD 지표는 2 개의 지수 이동 평균 (EMA)을 빼서 메인 라인 (MACD 라인)을 생성 한 다음 신호 라인을 나타내는 다른 EMA를 계산하는 데 사용됩니다.

또한 두 라인 간의 차이를 기반으로 계산되는 MACD 히스토그램이 있습니다. 히스토그램은 다른 두 선과 함께 제로 선이라고도하는 중심선 위와 아래로 변동합니다.

  • MACD 라인 (1) : 상승 또는 하락 모멘텀 (시장 추세)을 결정하는 데 도움이됩니다. 두 개의 지수 이동 평균 (EMA)을 빼서 계산합니다.
  • 신호 라인 (2) : MACD 라인의 EMA (보통 9주기 EMA). 신호 라인과 MACD 라인의 결합 분석은 잠재적 반전 또는 진입 및 출구 지점을 파악하는 데 도움이 될 수 있습니다.
  • 히스토그램 (3) : MACD 라인과 신호 라인의 발산 및 수렴을 그래픽으로 표현한 것입니다. 즉, 히스토그램은 두 선의 차이를 기반으로 계산됩니다.


MACD 라인

일반적으로 지수 이동 평균은 자산의 종가에 따라 측정되며 두 EMA를 계산하는 데 사용되는 기간은 일반적으로 12 개 기간 (빠름) 및 26 개 기간 (느림)으로 설정됩니다. 기간은 다른 방식 (분, 시간, 일, 주, 월)으로 구성 할 수 있지만이 문서에서는 일일 설정에 중점을 둡니다. 그럼에도 불구하고 MACD 지표는 다양한 거래 전략을 수용하도록 맞춤화 할 수 있습니다.

표준 시간 범위를 가정하면 MACD 라인 자체는 12 일 EMA에서 26 일 EMA를 빼서 계산됩니다.

앞서 언급했듯이 MACD 라인은 0 선 위와 아래로 진동하며, 이것이 중앙선 크로스 오버를 알리는 신호로, 12 일 및 26 일 EMA가 상대 위치를 변경할 때 거래자들에게 알립니다.

항상 정확하지는 않지만 MACD 선과 신호선이 교차 할 때 이러한 이벤트는 일반적으로 추세 반전 신호로 간주되며, 특히 MACD 차트의 끝 (0 선보다 훨씬 위 또는 아래)에서 발생합니다.


MACD 히스토그램


MACD 설정

설명했듯이 MACD의 기본 설정은 12, 26 및 9 기간 EMA를 기반으로합니다. 따라서 MACD (12, 26, 9)입니다. 그러나 일부 기술 분석가와 차트 전문가는 더 민감한 지표를 생성하기 위해 기간을 변경합니다. 예를 들어 MACD (5, 35, 5)는 주간 또는 월간 차트와 같은 더 긴 기간과 함께 전통적인 금융 시장에서 자주 사용되는 것입니다.

암호 화폐 시장의 높은 변동성으로 인해 MACD 지표의 민감도를 높이는 것은 더 많은 허위 신호와 잘못된 정보를 초래할 수 있기 때문에 위험 할 수 있습니다.


MACD 차트 읽는 방법

이름에서 알 수 있듯이 Moving Average Convergence Divergence 지표는 이동 평균 간의 관계를 추적하며 두 라인 간의 상관 관계는 수렴 또는 발산으로 설명 될 수 있습니다. 선이 서로를 향해 중력을 끌 때 수렴하고 멀어 질 때 발산합니다.

여전히 MACD 지표의 관련 신호는 MACD 라인이 중심선 위 또는 아래 (중심선 교차) 또는 신호선 위 또는 아래 (신호선 교차)를 교차 할 때 발생하는 소위 교차와 관련이 있습니다.

중심선과 신호선 교차가 여러 번 발생할 수 있으며, 특히 암호 화폐와 같은 휘발성 자산과 관련하여 많은 거짓 및 까다로운 신호를 생성 할 수 있습니다. 따라서 MACD 지표에만 의존해서는 안됩니다.


중심선 크로스 오버

중심선 교차는 MACD 선이 양수 또는 음수 영역에서 이동할 때 발생합니다. 중심선 위로 교차 할 때 양의 MACD 값은 12 일 EMA가 26 일보다 크다는 것을 나타냅니다. 반대로 MACD 선이 중앙선 아래를 지나면 마이너스 MACD가 표시되며 이는 26 일 평균이 12 일보다 높다는 것을 의미합니다. 다시 말해, MACD 라인이 양수이면 상승 모멘텀이 더 강하고, 음수이면 하락 모멘텀이 더 강함을 의미 할 수 있습니다.


신호선 크로스 오버

MACD 선이 신호선 위로 교차하면 트레이더는 종종이를 잠재적 인 구매 기회 (진입 지점)로 해석합니다. 반면에 MACD 선이 신호선 아래를 지나갈 때 트레이더는이를 매도 기회 (출구 지점)로 간주하는 경향이 있습니다.

신호 교차가 도움이 될 수 있지만 항상 신뢰할 수있는 것은 아닙니다. 또한 위험을 최소화하는 방법으로 차트에서 발생하는 위치를 고려할 가치가 있습니다. 예를 들어, 크로스 오버가 매수를 요구하지만 MACD 라인 지표가 중앙선 (음수) 아래에 있으면 시장 상황은 여전히 ​​약세로 간주 될 수 있습니다. 반대로 신호 라인 크로스 오버가 잠재적 인 판매 포인트를 나타내지 만 MACD 라인 지표가 양수 (0 선 위)이면 시장 상황은 여전히 ​​강세일 가능성이 높습니다. 이러한 시나리오에서 매도 신호를 따르면 더 큰 추세를 고려할 때 더 많은 위험이 발생할 수 있습니다.


MACD 및 가격 차이

중심선 및 신호선 교차와 함께 MACD 차트는 MACD 차트와 자산의 가격 행동 간의 차이를 통해 통찰력을 제공 할 수도 있습니다.

예를 들어, 암호 화폐의 가격 행동이 더 높게 상승하고 MACD가 더 낮은 고점을 생성하면 하락 다이버전스가 발생하여 가격 상승에도 불구하고 상승 이동 평균 및 모멘텀 모멘텀 (구매 압력)이 예전만큼 강하지 않음을 나타냅니다. . 하락 다이버전스는 가격 반전에 선행하는 경향이 있기 때문에 일반적으로 판매 기회로 해석됩니다.

반대로 MACD 라인이 자산 가격의 두 개의 하강하는 저점과 일치하는 두 개의 상승하는 저점을 형성하는 경우 이는 강세 다이버전스로 간주되어 가격 하락에도 불구하고 구매 압력이 더 강하다는 것을 의미합니다. 강세 다이버전스는 가격 반전에 선행하는 경향이 있으며, 잠재적으로 단기 바닥 (하향 추세에서 상승 추세로)을 의미합니다.


마무리 생각

기술 분석과 관련하여 Moving Average Convergence Divergence 오실레이터는 사용 가능한 가장 유용한 도구 중 하나입니다. 상대적으로 사용하기 쉬울뿐만 아니라 시장 동향과 시장 모멘텀을 파악하는 데 매우 효과적이기 때문입니다.

그러나 대부분의 TA 지표와 마찬가지로 MACD는 항상 정확하지는 않으며 특히 휘발성 자산과 관련하여 또는 약세 또는 횡보 가격 조치와 관련하여 수많은 거짓 및 오도 신호를 이동 평균 및 모멘텀 제공 할 수 있습니다. 결과적으로 많은 거래자들은 위험을 줄이고 신호를 추가로 확인하기 위해 RSI 지표와 같은 다른 지표와 함께 MACD를 사용합니다.

스토캐스틱 오실레이터에 대해 우리가 알아야 할 모든 것

Stochastic Oscillators

전통적인 투자 조언은 트레이더들에게 낮은 가격에 사고 높은 가격에 팔 것을 제안하겠지만, 시장의 움직임이 예측 불가능한 경우, 이는 일관성 있게 적용하기 어려울 수 있습니다. 가상화폐 시장에서는 더욱 그러하기 때문에 고점과 저점 사이의 파동에서 트레이딩하는 대신 고점과 저점의 타이밍을 맞추려는 것을 멈추게 되면 훨씬 더 많은 수익을 낼 수 있습니다.

투자자들은 자산 가치가 이동 평균 및 모멘텀 상승할 때 모멘텀을 활용한 기법을 사용하며, 종종 모멘텀의 방향에 기반하여 롱 혹은 숏 포지션을 취합니다. 숙련된 트레이더는 이를 성공적으로 수행할 수 있지만, 많은 부분에서 근본적인 가치보다는 단기적인 불규칙한 움직임에 달려 있습니다.

모멘텀 지표란?

트레이더들은 성장률을 추적하고 신호로 받은 추세 강도에 기초해 매수하거나 매도하기 위해 모멘텀 지표를 사용합니다. 트레이더들은 모멘텀에 기초한 전략을 활용하여 주가가 상승세인 경우 롱 포지션을, 주가가 하락세인 경우 숏 포지션을 취합니다.

모멘텀 트레이더들은 고가에 매도하고 저가에 매수하는 대신 높은 유동성 시장에서 수익을 낼 기회를 포착합니다. 즉, 주가가 높을 때 매수하고 더 높을 때 매도하거나, 주가가 낮을 때 매도하지만 더 낮으면 매수합니다. 모멘텀 투자자들은 과거 움직임에 기초해 패턴의 지속성 혹은 역전을 감지하기 보다는, 마지막 주가 돌파 이후 우세한 트렌드에 더 역점을 둡니다.

모멘텀은 기차와 같아서 느리지만 기하급수적으로 가속하고, 유사하게 하락합니다. 모멘텀 트레이더에게 있어서 가속이 최고조에 달한 영역은 기차가 가장 빠르게 달리는, 실제로 수익을 낼 수 있는 구간입니다. 모멘텀 투자자들은 어떤 방향으로든 추세를 보이는 주식을 통해 수익을 내며 성과에 목말라 합니다.

상승세 가격 혹은 “활황주(hot stock)”는 시간이 지나며 가장 크게 성장하는 주식이며, 일부 투자는 더 활황입니다. 트레이더는 상대강도지수(RSI)와 이동평균수렴확산(MACD)과 같은 모멘텀 지표를 사용하여 자산 가격의 강점과 약점을 결정하는 기술적 분석을 수행할 수 있습니다.

트레이딩 모멘텀은 자산 가격의 상승 혹은 하락률을 나타냅니다. 추세를 관찰한다는 측면에서 모멘텀은 가격 강도를 판단하는 데 매우 유용합니다. 그러나 역사적으로 볼 때 모멘텀은 하락장보다는 상승장에서 더 유용했고, 이는 하락장보다 상승장이 더 오래 지속되기 때문입니다.

스토캐스틱 오실레이터란?

1950년대 조지 레인(George Lane)이 스토캐스틱 오실레이터를 개발했습니다. 특정 기간 동안 최저가와 최고가의 범위 내에서 주식의 종가 위치를 파악하기 위해 고안된 지표입니다. 이 지표는 일반적으로 14일을 기준으로 합니다. 조지 레인은 여러 인터뷰와 대화에서 스토캐스틱 오실레이터가 자산의 가격이나 양이 아니라 모멘텀을 추종함을 주장했습니다.

조지 레인에 따르면 자산의 가격보다 모멘텀이 먼저 변화합니다. 이런 방식으로 스토캐스틱 오실레이터는 패턴의 돌파, 추세 역전을 감지할 수 있고, 심지어 상승세 및 하락세 다이버전스도 밝힐 수 있습니다. 트레이더들은 수익을 낼 수 있는 모든 기회를 활용할 것이고, 모멘텀 트레이딩에 성공하는 것이 쉽지만은 않지만 상당히 수익성이 높을 수 있습니다.

스토캐스틱 오실레이터로 거래하는 방법

일반적인 오해와는 다르게 스토캐스틱 오실레이터는 주식을 거래하는 사람들에게 화려한 용어가 아니고 실제로 시스템에 내재된 임의의 특성을 지칭합니다. 앞서 언급했듯이 스토캐스틱 지표는 특정 기간 동안 고점/저점 범위에 대해 주식의 종가를 비교하는 모멘텀 지표입니다.

트레이더들은 시간 간격을 다양하게 하거나 이동평균을 적용하여 시장 변동성에 대한 오실레이터의 민감도를 최소화할 수 있습니다. 스토캐스틱 오실레이터의 방법은 상승장에서 고점 근처에서 종가가 형성되고 하락장에서는 저점 근처에서 종가가 형성된다는 일반적인 이론과 연관성을 가집니다.

%K와 %D 선

  • %k = (전일종가 – 최저가)/(최고가 – 최저가) x 100
  • %k = (Last Closing Price – Lowest Price)/(Highest Price – Lowest Price) x 100
  • %D = %K의 3일 SMA
  • %D = 3-day SMA of %K

스토캐스틱 지표는 종가와 특정 기간의 고점과 저점을 적용해 산정한 %K선과 %D선 두 가지로 구성됩니다. %K는 특정 기간의 고가/저가 범위 대 특정 기간의 저점 대비 현재 종가의 증가율 사이의 비를 나타내고, 시그널 라인 혹은 %D는 지난 세 번의 기간에 걸친 %K 평균입니다.

Stochastic Crossover

%K와 %D선이 크로스할 때 매매 시그널이 발생합니다. 이 두 선은 스토캐스틱 지표의 양단인 0과 100 사이에서 스윙하며, 80과 20% 수준을 초과하면 과매수 및 과매도 구간이 됩니다.

전통적으로 80% 기준을 상회하면 과매수 시장이며 20%를 하회하면 과매도 시장으로 보지만, 이러한 숫자가 항상 다가오는 역전을 의미하지는 않습니다. 사실 강력한 추세는 장기간 과매수 및 과매도 수준을 유지할 수 있고, 트레이더들은 향후 추이에 대한 단서를 찾기 위해 스토캐스틱 오실레이터 상의 변화를 면밀히 관찰해야 합니다.

%K선이 %D선과 크로스할 때, 이는 현재의 모멘텀이 세 기간의 평균보다 높음을 의미하며 상승세가 다가오고 있을 수 있음을 의미합니다. 이는 주가가 모멘텀을 추종하는 것으로 생각되며 두 선의 교차점은 상당한 일일 모멘텀 변경의 신호이기 때문입니다.

오실레이터 시그널은 보통 주가 행동을 선행하기 때문에 스토캐스틱 오실레이터와 현재 가격 추이 간 다이버전스는 곧 역전이 발생할 것으로 해석될 수 있습니다. 이는 시장 사이클의 끝을 향해 가면서 모멘텀이 흐지부지 됨에 따라 매수 혹은 매도 압력이 다했기 때문입니다.

대부분의 차트 툴에는 스토캐스틱 오실레이터 기능이 내재되어 있지만 트레이더들은 복잡한 계산을 할 필요 없이 쉽게 사용할 수 있습니다. 예를 들어 특정 기간의 고점이 $200이고 저점이 $100이라면, $150의 종가는 50의 %K를 나타낼 것입니다. 스토캐스틱 오실레이터는 현재 가격을 이동 평균 및 모멘텀 이동 평균 및 모멘텀 고점/저점 범위와 비교하여 트레이더들이 견실한 가격 구간을 일관되게 인지하고 시장 모멘텀으로 매매할 수 있도록 합니다.

스토캐스틱 지표는 단순히 과매수 및 과매도 구간의 추적 이상의 이점이 있습니다. 우선, 스토캐스틱 오실레이터는 가격 자체가 특정 기간의 고점과 저점 사이에서 횡보하는 보합장에서 선호됩니다. 이러한 시나리오에서 스토캐스틱 오실레이터는 굉장히 신뢰할 수 있습니다.

RSI와 스토캐스틱

또 다른 지표인 RSI는 기술적 분석.에서 자주 쓰이는 시장 움직임을 측정하는 오실레이터입니다. 기본적으로는 유사하다고 생각되나 기반 이론은 다릅니다.

RSI가 가격 움직임 속도를 활용하여 과매수와 과매도 지점을 추적하는 반면 스토캐스틱 오실레이터는 가격이 추세 방향과 가깝다고 가정합니다. RSI는 일반적으로 시장 추세 확인에 더 유용하다고 생각되고 있으며 스토캐스틱 오실레이터는 시장 보합과 구간에서 더 우월합니다.

리스크가 전혀 없는 트레이딩 스타일이란 없습니다. 추세 매매도 마찬가지 입니다. 시장의 종류나 시그널의 정확도와 관계 없이 지표는 이따금씩 그냥 틀릴 이동 평균 및 모멘텀 이동 평균 및 모멘텀 경우가 있습니다. 지표가 가격 추세를 보장할 수는 없으며 이를 유념하고 스토캐스틱 오실레이터를 읽는 것이 중요합니다.

특히 가상화폐 시장에서는 급작스러운 반전과 조정 추세를 준비하는 것이 매우 중요합니다. 이탈 시그널은 가격에 반영되려면 시간이 걸릴 수 있으므로 이러한 지연을 보완하는 것이 추세 매매 프로세스의 일환입니다. 이 또한 투자마다 다를 수 있지만, 경험을 쌓으면 전혀 다른 자산 간이라 하더라도 패턴이 드러나게 되어 있습니다.

가격 움직임과 스토캐스틱

트레이더는 궁극적으로 가격 추세를 통해 수익을 보지만 스토캐스틱은 가격 추세를 측정합니다. 아주 뚜렷하게 구분됩니다. 20일에서 80일선으로 스토캐스틱 오실레이션을 하면 80일에서 20일선으로 떨어지는 것보다 수익이 더 클 수 있습니다. 변동은 가격 움직임에 비례하지 않고 이러한 비일관성 때문에 많은 트레이더가 오실레이터를 이용하지 않기도 합니다.

이는 스토캐스틱 오실레이터가 추세에 집중하기 때문에 발생하는 것이며, 이 때문에 시장 추세에 맞을 때는 더욱 탄탄한 결과를 보여주는 것입니다. 가격은 전체 추세에 맞춰 움직이는 경향이 있는데, 상승세인 주식 종목을 매수하는 것이 매도보다 더 영향이 크다는 의미입니다.

스토캐스틱과 기타 기술 지표 혼합하기

다른 여러 지표처럼, 스토캐스틱 오실래이터는 여러 수단과 함께 사용하여 시장 조건에 대한 보다 탄탄한 아이디어를 제시할 수 있을 때 가장 좋습니다. RSI는 기능은 유사하지만 스토캐스틱 오실레이터와 함께 자주 쓰입니다. 이와 같은 추세 지표가 트레이딩 범위를 잡는데는 유용하지만, 지그재그 패턴에서 거래 자산 추세를 확인하는 데 굉장한 이점을 보여주는 것을 확인할 수 있습니다.

이 경우, 상향 후퇴는 더 큰 상향 추세의 한 부분으로, 반등은 하향 추세를 형성하는 것으로 고려하게 됩니다. 이러한 시나리오에서 스토캐스틱 오실레이터는 더 큰 추세와 공명하는 기회와 지지/저항 영역 인근 반전 지점을 확인하는 데 사용할 수 있습니다.

지지선 인근에서 자산 거래가(과매수 스토캐스틱 오실레이터를 나타내는 반면) 20 선 위를 돌파하면 성공적인 지지 시험 시그널을 보내고, 80 아래를 뚫을 경우 하향세와 저항 실패 시그널을 보내는 겁니다. 그러나, 정확한 설정은 트레이더마다, 개인적인 선호, 시간, 거래 스타일에 따라 다양하게 잡을 수 있습니다.

룩백(lookback) 간격을 짧게 하면 극단적인 리딩이 너무 많은 고르지못한 오실레이터가 생성되고, 간격이 길면 과매수와 과매도 수준을 평활화한 리딩결과를 보여주게 됩니다. 거래량 지표와 이동 평균같은 다른 기술 분석을 활용하여 스토캐스틱 시그널을 확인하거나 반박할 수 있습니다.

스토캐스틱 오실레이터가 확실한 장점이 있긴 하지만, 수익을 내기위해 시그널을 활용하기 전에 가격 추세와의 관계를 이해하는 것이 중요합니다. 이 지표는 개발된 지 60년이 넘었으며, 높은 정확도로 가격 추세를 추적할 수 있는 장점때문에 오늘날에도 널리 활용되고 있습니다.

리스크 관리

그러나 위에 언급된 것 처럼, 스토캐스틱 오실레이터는 강한 추세를 만나면 거짓 시그널을 형성하기 때문에 보통 이런 경우 다른 지표를 통해 확인될 때까지 기다리는 게 더 낫습니다. 지표의 민감도를 변경하여 여러 시장이나 트레이딩 스타일과 맞출 수 있으며, 시간을 변경하고 오실레이터 이동 평균을 사용하여 이러한 거짓 시그널 중 다수를 무시할 수 있습니다.

트레이더는 빠르거나 느린 스토캐스틱 지표를 모두 활용하여 여러 종류의 시장에 대한 예측을 도출할 수 있습니다. 빠른 스토캐스틱 오실레이터는 자산 가격 변화에 더욱 민감한 반면, 느린 오실레이터는 보다 유연하게 도출합니다. 추세매매가 완벽한 전략은 아니지만 위험과 보상 간 균형을 꽤 잘 맞출 수 있는 접근방법이라는 점은 확실합니다.

그러나, 월간 회전율이 높으면 수수료 때문에 비싸집니다. 낮은 비용의 브로커와 탈중앙형 금융이 이 문제를 점차 조명하고 있기는 하지만, 여전히 신입 트레이더의 삶을 좀먹고 있습니다. 추세 매매를 하려면 시장을 최대한 자주 관찰하여 내가 다루는 자산의 변동성과 범위를 보아야 합니다.

다른 사람보다 조금만 빠르게 사소한 뉴스라도 접할 수 있다면 수익이 커지는 반면, 아무리 작은 부정적인 정보라 하더라도 투자자를 흔들고 자산 가치를 떨어뜨릴 수 있습니다. 추세 매매의 수익 마진은 상승장에 트레이더가 자산을 모으고 주의가 낮아질 때 훨씬 더 높습니다.

추세매매가 잘 맞는 경우 굉장한 수익을 낼 수 있지만, 예전 소식을 바탕으로 상승하거나 하락하는 자산을 매수하는 건 단점이 있습니다. 일부 상황에서 추세 매매는 수요 부족으로 가치없는 토큰만 잔뜩 쥐게 되는 결과가 될 수 있습니다. 특히 시장이 반전을 포착하기 전에 추세를 잃게 될 경우 그렇습니다. 직관력, 기술, 훈련을 통해 추세 매매 능력을 키워야 합니다. 스토캐스틱 오실레이터는 통찰력이 있지만 모든 것을 다 알지는 못합니다.

추세 매매에는 빠른 의사결정과 강세와 약세 신호를 바로 보고 매매를 진행할 능력이 필요합니다. 블록체인이 천천히 성숙 산업으로 진화하면서 시장의 자본도 그 어느때보다 많아지고 있습니다. 개발자, 기업가, 투자자들 모두 가치 있는 서비스를 제공하면서, 앞으로 몇 년간 훨씬 더 많은 투자자가 더 많은 매수와 그보다 더 많은 매도를 시도할 것으로 보입니다.

문의사항은 [email protected]으로 보내주세요. 공식 트위터 계정을 팔로우하여 최신 뉴스를 받아보세요. 텔레그램 커뮤니티에 가입하여 당사 및 다른 페멕스 트레이더들과 교류를 나눠보세요. 손쉬운 거래는 페멕스 에서.

ScienceON Chatbot

ESD(Exponential Standard Deviation) Band centered at Exponential Moving Average

현재 주가가 최근 움직임 범위 내에서 어떤 위치에 있는지를 나타내는 블린저밴드 (Bollinger Band)는 단순이동평균 (Simple Moving Average)을 중심으로 단순표준편차 (Simple Standard Deviation)를 가감하여 만들어진다. 본 논문에서는 먼저 단순이동평균과 지수이동평균 (Exponential Moving Average)의 특성을 연산자 (Operator)의 관점에서 살펴보고, 각 연산자들의 임펄스응답 (Impulse Response) 1차 모멘텀의 중심값을 동일하게 하는 조건으로부터 단순이동평균 구간크기 N과 지수이동평균의 가중치 $$ 사이의 관계를 구한다. 다음으로 이산시간 프리어변환 (Discrete Time Fourier Transform)을 통해 1차 모멘텀의 중심값이 동일하다는 조건하에서의 각 연산자의 주파수 응답 (Frequency Response)의 특성을 비교한다. 단순이동평균연산자는 지수이동평균연산자에 비해 고주파성분을 더 많이 포함시키므로 주가의 움직임에 과도하게 반응하게 된다는 사실에 기초하여, 지수이동평균을 중심으로 하는 새로운 ESD밴드 (Exponential Standard Deviation Band, 지수표준편차밴드)를 제안하고 자기회귀 (Auto Recursive) 형태의 계산공식을 유도하고 동일조건하에서 블린저밴드와 ESD밴드를 실제의 예를 통해 비교한다. 제안한 ESD밴드는 주가 움직임 범위를 보다 부드럽게 표현하는 특징이 있으며, 날짜 변경 시 갭이 발생할 경우에도 이러한 장점을 살리기 위해 갭보정된 차트에 대한 ESD밴드와 블린저밴드의 비교도 함께 살펴본다. 기존의 블린저밴드를 이용하여 개발된 거래법들은 ESD밴드에 그대로 적용가능하다.

Abstract

The Bollinger Band indicating the current price position in the recent price action range is obtained by adding/substracting the simple standard deviation (SSD) to/from the simple moving average (SMA). In this paper, we first compare the characteristics of the SMA and the exponential moving average (EMA) in the operator's point of view. A basic equation is obtained between the interval length N of the SMA operator and the weighting factor $$ of the EMA operator, that makes the centers of the 1st order momentums of each operator impulse respoinse identical. For equivalent N and $$ , frequency response examples are obtained and compared by using the discrete time Fourier transform. Based on observation that the SMA operator reacts more excessively than the EMA operator, we propose a novel exponential standard deviation (ESD) band centered at the EMA and derive 이동 평균 및 모멘텀 an auto recursive formula for the proposed ESD band. Practical examples for the ESD band show that it has a smoother bound on the price action range than the Bollinger Band. Comparisons are also made for the gap corrected chart to show the advantageous feature of the ESD band even in the case of gap occurrence. Trading techniques developed for the Bollinger Band can be straight forwardly applied to those for the ESD band.

김현지, 장우진, 2010), 특히 본 저자는 이동평균지표에서 추세추종/모멘텀 정보를 얻고자 만들어진 MACD에 관련된 연구를 진행한 바 있다. (이정연,황선명, 2015) 블린저밴드는 1980년대에 존블린저에 의해 제안되고 2011년 상표등록까지 된 것으로서 세 개의 곡선으로 구성되며, 밴드의 중심은 주가지수의 단순이동평균 (Simple Moving Average)이고 상하 밴드는 단순 이동평균를 중심으로 이동 평균 및 모멘텀 최근 구간내 시계열 신호의 단순표준편차 (Simple Standard Deviation) 범위를 나타낸다 (Bollinger Band, 2016) 밴드 범위의 크기는 변동성(Volatility)의 크기에 따라 적응적으로 커지거나 작아지며, 현재 주가가 최근 움직임 범위 내에서 어떤 위치에 있는지를 나타내는 특성이 있다.

현재 주가가 최근 움직임 범위 내에서 어떤 위치에 있는지를 나타내는 블린저밴드 (Bollinger Band)는 단순이동평균 (Simple Moving Average)을 중심으로 단순표준편차 (Simple Standard Deviation)를 가감하여 만들어진다. 본 논문에서는 먼저 단순이동평균과 지수이동평균 (Exponential Moving Average)의 특성을 연산자 (Operator)의 관점에서 살펴보고, 각 연산자들의 임펄스응답 (Impulse Response) 1차 모멘텀의 중심값을 동일하게 하는 조건으로부터 단순이동평균 구간크기 N과 지수이동평균의 가중치 $$ 사이의 관계를 구한다.

현재 주가가 최근 움직임 범위 내에서 어떤 위치에 있는지를 나타내는 블린저밴드 (Bollinger Band)는 단순이동평균 (Simple Moving Average)을 중심으로 단순표준편차 (Simple Standard Deviation)를 가감하여 만들어진다. 본 논문에서는 먼저 단순이동평균과 지수이동평균 (Exponential Moving Average)의 특성을 연산자 (Operator)의 관점에서 살펴보고, 각 연산자들의 임펄스응답 (Impulse Response) 1차 모멘텀의 중심값을 동일하게 하는 조건으로부터 단순이동평균 구간크기 N과 지수이동평균의 가중치 $$ 사이의 관계를 구한다.

저자의 다른 논문

참고문헌 (11)

crossref

  1. 1. A.Papoulis and S.U.Pillai, Probability, "Random Variables and Stochastic Processes," 4th edition, McGraw Hill, 2002.
  2. 2. A. V. Oppenheim . R. W. Schafer and J. R. Buck, "Discrete-time signal processing," Prentice Hall, 1999.
  3. 3. Bollinger., Available at "http://en.wikipedia.org/wiki /Bollinger_Bands, (Downloaded 2 February, 2016).
  4. 4. Kim Hyun-Ji., U-Jin Jang, "Trading strategies using an exponential moving average line," Joint Conference on Industrial Engineering Journal in Spring 2010, 이동 평균 및 모멘텀 2010.06, 1124-1130.
  5. 5. Kwon Sang-Joo., "Robust Kalman Filtering with Perturbation Estimation Process-for Uncertain Systems, Journal of Institute of Control," Robotics and Systems, Vol.12, Iss. 3, 2006, 201-207.
  6. 6. Kwon Seong-Ki, Dong-Myung Lee, "Performance Analysis of Compensation Algorithm for Localization Using the Equivalent Distance Rate and the Kalman Filter," The Journal of Korean Institute of Communications and Information Sciences, Vol.37, Iss. 5B, 2012, 370-376. 원문보기 상세보기
  7. 7. Lee Jae-Won, "Astock Trading System based on Supervised Learning of Highly Volatile Stock Price Patterns," Korean Institute of Information Scientists And Engineers, Computing Practices and Letters Article 19, No.1(2013), 23-29.
  8. 8. Lee Jung-Youn, Hwang Sun-Myung, "Efficient Utilization Condition of MACD and Nontrend Status Detecting Index," Korean Institute of Information Scientists And Engineers, Korea Computer Conference in 2015, 2015, 630-632
  9. 9. Oh Won-Seok, "Systematic future trading with a composition strategy," Korea Academic Society of Businee Administration, Conference and Annual General Meeting, 2008, 510-513.
  10. 10. Rhee, 이동 평균 및 모멘텀 Jung-Soo, "A note for hybrid Bollinger bands," Journal of the Korean Data and Information Science Society, Vol.21, Iss. 4, 2010, 777-782. 원문보기 상세보기
  11. 11. S.J.Orfanidis., "Introduction to Signal Processing," Prentice Hall Inc, 2010.

이 논문을 인용한 문헌

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

  • ScienceON : 원문보기
  • KCI : KCI 원문보기
  • DOI : 10.13088/jiis.2016.22.2.115 [무료]
  • DBPia : 저널

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)


0 개 댓글

답장을 남겨주세요