트레이딩 전략과 구현 6장 포트폴리오 이론¶

1 볼린저 밴드 지표¶

표준 볼린저 밴드 공식

$ 상단 볼린저 밴드 = 중간 볼린저 밴드 + (2 \times 표준편차) $
$ 중단 볼린저 밴드 = 종가 20일 이동평균 $
$ 하당 볼린저 밴드 = 중간 볼린저 밴드 - (2 \times 표준편차) $

01 데이터 불러오기¶

035420 | NAVER 볼린저 밴드 분석하기

In [1]:

import os
import pandas as pd
file_save = "data/boillinger.csv"
if os.path.isfile(file_save):
    data_df = pd.read_csv(file_save)
    data_df['Date'] = pd.to_datetime(data_df['Date']) # datetime 포맷 변경
    data_df = data_df.set_index('Date')
else:
    from FinanceDataReader import DataReader as fdr
    data_df = fdr("035420", "2019-01-01")
    data_df.to_csv(file_save)

data_df.columns = [_.lower() for _ in data_df.columns]
data_raw = data_df.copy()
data_df.tail(3)

Out[1]:

	open	high	low	close	volume	change
Date
2021-07-30	438000	440500	433000	433500	628812	-0.013652
2021-08-02	429000	437000	428500	433500	551937	0.000000
2021-08-03	439000	439000	422000	428000	792229	-0.012687

In [2]:

# 볼린저 밴드 생성하기
data_df['MA20'] = data_df['close'].rolling(window=20).mean()  # 이동평균값
data_df['stddev'] = data_df['close'].rolling(window=20).std() # 각 표준편차
data_df['upper'] = data_df['MA20'] + (data_df['stddev'] * 2)  # 볼린저밴드 : 상단
data_df['lower'] = data_df['MA20'] - (data_df['stddev'] * 2)  # 볼린저밴드 : 하단
data_df = data_df[19:] 
data_df.head(3)

Out[2]:

	open	high	low	close	volume	change	MA20	stddev	upper	lower
Date
2019-01-29	129999	136500	129999	136000	411369	0.030303	130425.0	4583.365231	139591.730462	121258.269538
2019-01-30	139000	139500	133000	136000	462280	0.000000	131325.0	3696.637875	138718.275750	123931.724250
2019-01-31	138000	143500	136000	136000	1054276	0.000000	132025.0	3118.176761	138261.353523	125788.646477

In [3]:

%matplotlib inline
%config InlineBackend.figure_format = 'retina'

# Loading ... Visualization Modules
import matplotlib.pyplot as plt
import warnings
plt.style.use('seaborn')
warnings.simplefilter(action='ignore', category=FutureWarning)

from matplotlib.font_manager import fontManager as fm # 한글폰트 확인 및 추가
font_list_check  = ['D2Coding', 'NanumGothicCoding', 'NanumGothic']
for _ in font_list_check:
    font_counts = [f  for f in font_list_check if _ in [_.name for _ in fm.ttflist]]
    if len(font_counts) > 1: print(f"found : {_}"); plt.rc('font', family=_); break 

found : D2Coding

In [4]:

# Visualization
plt.rcParams['figure.dpi'] = 300
plt.rcParams['figure.figsize'] = (20.0, 5.0) # plt.figure(figsize=(9, 5))
plt.plot(data_df.index, data_df['close'], color='#0000ff', label='Close')    # ⑥
plt.plot(data_df.index, data_df['upper'], 'r--', label = 'Upper band')       # ⑦
plt.plot(data_df.index, data_df['MA20'], 'k--', label='Moving average 20')
plt.plot(data_df.index, data_df['lower'], 'c--', label = 'Lower band')
plt.fill_between(data_df.index, data_df['upper'], data_df['lower'], color='0.9')  # ⑧ 
plt.legend(loc='best')
plt.title('NAVER Bollinger Band (20 day, 2 std)')
plt.show()

02 볼린저 밴드 지표 1 : $\%b$¶

종가 가 볼린저 밴드 어느 위치 에 있는지 확인하는 지표

$\%b$ : 1.0 (상단) \ 0.5 (중간) \ 0 (하단) :
ex> 1.1 : 볼린저 밴드보다 밴드폭의 10% 위에 위치

$$ \%b = {(종가 - 하단 볼린저 밴드) \over (상단 볼린저 밴드 - 중간 볼린저 밴드)}$$

In [5]:

data_df = data_raw.copy()
data_df['MA20'] = data_df['close'].rolling(window=20).mean() 
data_df['stddev'] = data_df['close'].rolling(window=20).std() 
data_df['upper'] = data_df['MA20'] + (data_df['stddev'] * 2)
data_df['lower'] = data_df['MA20'] - (data_df['stddev'] * 2)
data_df['PB'] = (data_df['close'] - data_df['lower']) / (data_df['upper'] - data_df['lower'])  # ①
data_df = data_df[19:]
data_df.head(2)

Out[5]:

	open	high	low	close	volume	change	MA20	stddev	upper	lower	PB
Date
2019-01-29	129999	136500	129999	136000	411369	0.030303	130425.0	4583.365231	139591.730462	121258.269538	0.804089
2019-01-30	139000	139500	133000	136000	462280	0.000000	131325.0	3696.637875	138718.275750	123931.724250	0.816166

In [6]:

plt.rcParams['figure.dpi'] = 300
plt.rcParams['figure.figsize'] = (20.0, 9.0) # plt.figure(figsize=(9, 8))
plt.subplot(2, 1, 1)  # ②
plt.plot(data_df.index, data_df['close'], color='#0000ff', label='Close')
plt.plot(data_df.index, data_df['upper'], 'r--', label = 'Upper band')
plt.plot(data_df.index, data_df['MA20'], 'k--', label='Moving average 20')
plt.plot(data_df.index, data_df['lower'], 'c--', label = 'Lower band')
plt.fill_between(data_df.index, data_df['upper'], data_df['lower'], color='0.9')
plt.title('NAVER Bollinger Band(20 day, 2 std)')
plt.legend(loc='best')

plt.subplot(2, 1, 2)  # ③
plt.ylabel('종가의 %b')
plt.plot(data_df.index, data_df['PB'], color='b', label='%B')  # ④
plt.axhline(y=1, color ='black', linewidth=.5, linestyle="--")   # 볼린저 밴드 상단
plt.axhline(y=0.5, color ='red', linewidth=1.5, linestyle="--")  # 볼린저 밴드 중심
plt.axhline(y=0, color ='black', linewidth=.5, linestyle="--")   # 볼린저 밴드 하단
plt.grid(True); plt.legend(loc='best'); plt.show()

03 볼린저 밴드 지표 2 :밴드폭¶

밴드의 폭을 시각화로 확인한다
볼린저 밴드의 상단/ 하단의 폭 을 계산한다
밴드의 폭이 6개월 기준 최저점이 스퀴즈 임을 파악 가능하다

$$ 밴드폭 = 100 \times {(상단 볼린저 밴드 - 하단 볼린저 밴드) \over (중간 볼린저 밴드)}$$

In [7]:

data_df = data_raw.copy()
data_df['MA20'] = data_df['close'].rolling(window=20).mean()
data_df['stddev'] = data_df['close'].rolling(window=20).std()
data_df['upper'] = data_df['MA20'] + (data_df['stddev'] * 2)
data_df['lower'] = data_df['MA20'] - (data_df['stddev'] * 2)
data_df['PB'] = (data_df['close'] - data_df['lower']) / (data_df['upper'] - data_df['lower'])  # ① 밴드지표1
data_df['bandwidth'] = (data_df['upper'] - data_df['lower']) / data_df['MA20'] * 100 # ② 밴드지표 2
data_df = data_df[19:] # rolling 의 앞 NaN 삭제
data_df.head(3)

Out[7]:

	open	high	low	close	volume	change	MA20	stddev	upper	lower	PB	bandwidth
Date
2019-01-29	129999	136500	129999	136000	411369	0.030303	130425.0	4583.365231	139591.730462	121258.269538	0.804089	14.056708
2019-01-30	139000	139500	133000	136000	462280	0.000000	131325.0	3696.637875	138718.275750	123931.724250	0.816166	11.259510
2019-01-31	138000	143500	136000	136000	1054276	0.000000	132025.0	3118.176761	138261.353523	125788.646477	0.818696	9.447231

In [8]:

plt.rcParams['figure.dpi'] = 300
plt.rcParams['figure.figsize'] = (20.0, 6.0) # plt.figure(figsize=(9, 8))
plt.subplot(2, 1, 1)
plt.plot(data_df.index, data_df['close'], color='#0000ff', label='Close')
plt.plot(data_df.index, data_df['upper'], 'r--', label ='Upper band')
plt.plot(data_df.index, data_df['MA20'], 'k--', label='Moving average 20')
plt.plot(data_df.index, data_df['lower'], 'c--', label ='Lower band')
plt.title('NAVER Bollinger Band(20 day, 2 std)'); plt.legend(loc='best')
plt.fill_between(data_df.index, data_df['upper'], data_df['lower'], color='0.9')

plt.subplot(2, 1, 2)
plt.ylabel('BBAND 너비')
plt.plot(data_df.index, data_df['bandwidth'], color='m', label='BandWidth') # ②
plt.grid(True); plt.legend(loc='best'); plt.show()

04 볼린저 밴드 지표 1, 2 함께 관찰하기¶

볼린저 밴드의 성격을 함께 묶어서 분석한다

In [9]:

plt.rcParams['figure.dpi'] = 300
plt.rcParams['figure.figsize'] = (20.0, 9.0) # plt.figure(figsize=(9, 8))

plt.subplot(3, 1, 1)  # ②
plt.plot(data_df.index, data_df['close'], color='#0000ff', label='Close')
plt.plot(data_df.index, data_df['upper'], 'r--', label ='Upper band')
plt.plot(data_df.index, data_df['MA20'], 'k--', label='Moving average 20')
plt.plot(data_df.index, data_df['lower'], 'c--', label ='Lower band')
plt.fill_between(data_df.index, data_df['upper'], data_df['lower'], color='0.9')
plt.title('NAVER Bollinger Band(20 day, 2 std)')
plt.legend(loc='best')

plt.subplot(3, 1, 2)  # ③
plt.plot(data_df.index, data_df['PB'], color='b', label='%B')  # ④
plt.axhline(y=1, color ='black', linewidth=.5, linestyle="--")   # 볼린저 밴드 상단
plt.axhline(y=0.5, color ='red', linewidth=1.5, linestyle="--")  # 볼린저 밴드 중심
plt.axhline(y=0, color ='black', linewidth=.5, linestyle="--")   # 볼린저 밴드 하단
plt.ylabel('종가의 %b')
plt.legend(loc='best')
plt.grid(True)

plt.subplot(3, 1, 3)
plt.plot(data_df.index, data_df['bandwidth'], color='m', label='BandWidth') # ②
plt.ylabel('BBAND 너비')
plt.legend(loc='best')
plt.grid(True)
plt.show()