MACD(Moving Average Convergence Divergence)는 추세 및 모멘텀 기반 지표이며 볼린지는r 밴드(BB)는 변동성 기반 지표입니다. MACD가 BB와 결합할 때 일부 전문가는 이를 MACD BB라고 하고 다른 전문가는 BB MACD라고 합니다. 이 문서에서는 MACD BB라는 이름을 사용합니다. 두 가지 기술 분석 지표의 조합은 두 지표의 기능을 계승하고 시장 동향에 대한 통찰력을 제공합니다. 내 집중적인 웹 검색에서 누가 이 지표를 발명했는지 말할 곳이 없습니다. 아시는 분 계시면 출처 공유 부탁드립니다. 그러나 많은 거래 플랫폼과 포럼은 이 지표를 고급 기능으로 제공합니다. 독자들은 이전 두 기사를 읽고 이 두 지표와 Elasticsearch를 사용한 구현에 대한 기본적인 이해를 빠르게 이해하는 것이 좋습니다.
기사에 설명 된 방정식에 따르면 "Elasticsearch로 MACD 히스토그램 구성”, MACD에는 단기 및 장기 EWMA(지수 가중 이동 평균)가 포함됩니다. 이 두 용어에 대한 일반적인 관행은 12 및 26입니다.
기사에서 "Elasticsearch를 통해 볼린저 밴드 폭 계산”, BB는 일일 가격의 단순이동평균(SMA)과 표준편차(SD)를 기반으로 상위 밴드(BBU)와 하위 밴드(BBL)를 구성한다. BB의 정중선은 SMA입니다. MACD BB라는 용어에서 가격 대신 MACD를 사용합니다. BBL 및 BBU의 계산은 일반적으로 슬라이딩 윈도우(window)가 20 또는 26이고 표준 편차(n)가 1 또는 2인 경우에 설명됩니다.
기본적으로 MACD, BBU 및 BBL이 차트에 표시되며 사용자는 MACD와 두 밴드의 교차점을 관찰할 수 있습니다. MACD가 BBU를 돌파하면 강한 상승세 신호를 보입니다. 마찬가지로 MACD가 BBL을 돌파하면 강한 하락 신호를 보입니다. 다이어그램을 사용하여 의미를 설명하는 것이 훨씬 쉽습니다. 이 글에서는 MACD와 BB를 수수료 없는 상장지수펀드(ETF)에 적용하고 분석 도구인 Elasticsearch에 초점을 맞추려고 합니다. 다음 예는 "Fidelity International Multifactor ETF"를 무작위로 선택합니다. 시세 기호는 FDEV입니다. 데이터는 IEX, Investors Exchange에서 제공한 1년 2021월 31일부터 2021년 12월 26일 사이의 시간 범위에서 선택됩니다. MACD에서 가장 많이 사용되는 매개변수는 단기 10개, 장기 1개입니다. 많은 인터넷 기사에 따르면 BB를 계산할 때 SMA의 주기는 XNUMX이고 BB의 표준 편차는 XNUMX입니다.
아래 그림에서 MACD와 해당 BBL, BBU 및 SMA가 표시됩니다. MACD 값이 BBU 위에 있고 타임스탬프 앞의 값과 비교할 때 증분이면 청록색 점입니다. MACD 값이 BBU 이상이고 감소이면 파란색 점입니다. MACD 값이 BBL보다 낮고 감소하면 빨간색 점입니다. MACD 값이 BBL 미만이고 증분이면 주황색 점입니다. 다른 경우에는 회색 점입니다. 독자는 빨간색/주황색 선이 BBL 아래에 있고 파란색/청색 선이 BBU 위에 있음을 쉽게 관찰할 수 있습니다. 또한 MACD 값이 XNUMX 아래에서 상승하여 XNUMX을 교차하면(MACD에서 생성된 강세 신호 고려) 해당 청록색 점이 대부분의 경우 밀접하게 뒤따릅니다. 같은 방식으로 MACD 값이 XNUMX 이상에서 떨어지고 XNUMX을 넘으면(MACD에 의해 생성된 약세 신호 고려) 해당하는 빨간색 점이 따라옵니다. 선의 기울기는 추세의 모멘텀을 나타냅니다.
그러나 MACD 값이 BBU나 BBL에서 돌파하는 시점을 일반적인 값과 조합하여 설명하려고 하면 아래 그림과 같이 가격의 상승 또는 하락 추세와 일치하지 않는 것으로 보입니다. 변동성 증가 및 향후 거래 기회 가능성의 잠재적 징후는 포착하기 쉽지 않으며 때로는 방향이 역전됩니다.
대부분의 거래 플랫폼이 MACD BB 지표를 제공하고 "초보 거래자에게는 적합하지 않습니다"라는 동일한 의견을 제공하지만 Elasticsearch 구현은 원활한 통합을 보여주고 이해하기 쉽습니다. 데이터로 채워진 Elasticsearch 인덱스가 있고 사용된 데이터 매핑이 이전 문서에서 설명한 것과 동일하다고 가정합니다. 다음 단계는 REST API 요청 본문의 코드를 보여줍니다.
검색 작업을 통해 모든 관련 문서 수집
1년 2021월 31일에서 2021년 26월 1.5일 사이의 날짜와 기호 FDEV가 있는 문서를 수집하려면 "must" 절이 있는 "bool" 쿼리를 사용합니다. 15거래일 이동 평균 계산으로 인해 추가 데이터가 조정됩니다. 2021개월 동안 (1년 2021월 XNUMX일부터 XNUMX년 XNUMX월 XNUMX일까지)
{
"쿼리": {
"부울": {
"해야하다": [
{"범위": {"날짜": {"gte": "2020-12-15", "lte": "2021-05-31"}}},
{"용어": {"기호": "FDEV"}}
]
}
},
펀드의 일일 일반 가치 계산
MACD라는 이름의 "date_histogram" 집계를 사용하여 "field" 매개변수를 "date"로, "interval" 매개변수를 "1d"로 지정하여 매일 펀드의 가격을 추출합니다. 그런 다음 TP라는 "scripted_metric" 집계가 뒤따르며 최고가, 최저 가격 및 종가의 평균 가격과 동일한 일반 가격을 계산합니다.
"aggs": {
"MACD_BB": {
"날짜_히스토그램": {
"필드": "날짜",
"간격": "1d",
"형식": "yyyy-MM-dd"
},
"aggs": {
"TP": {
"scripted_metric": {
"init_script": "state.totals=[]",
"map_script": "state.totals.add((doc.high.value+doc.low.value+doc.close.value)/3)",
"combine_script": "더블 합계=0; for (t in state.totals) {total += t} 반환 합계",
"reduce_script": "반환 상태[0]"
}
},
버킷의 날짜 추출
추가 데이터로 인해 후속 작업에서는 나중에 범위를 벗어난 부분을 필터링해야 합니다. "DateStr"이라는 "최소" 집계는 버킷의 날짜를 가져오는 것입니다. Elasticsearch 서버에서 날짜는 Epoch 시간으로 저장됩니다. 시간 단위는 밀리초이고 시간대는 UTC입니다.
"날짜 문자열": {
"최소": {"필드": "날짜"}
},
문서가 1개 이상 있는 버킷을 선택하세요.
빈 버킷(비거래일)을 필터링하기 위해 STP라는 "bucket_selector" 집계를 사용하여 문서 수가 0보다 큰 버킷을 선택합니다.
"STP": {
"bucket_selector": {
"buckets_path": {"count":"_count"},
"스크립트": "params.count > 0"
}
},
일일 12거래일 및 26거래일 EWMA를 일반 값으로 계산합니다.
매개변수 창을 12로, 매개변수 "buckets_path"를 TP.value로 하여 EWMA12라는 이름의 "moving_fn" 집계를 사용하여 일반 값의 12거래일 EWMA를 계산합니다. EWMA는 매개변수 알파가 2/(window+1)인 MovingFunctions.ewma 함수를 사용하여 계산됩니다. EWMA26 집계도 같은 방법으로 할 수 있습니다.
"EWMA12": {
"moving_fn": {"스크립트": "MovingFunctions.ewma(값, 2/(12+1))", "창": 12, "버킷_경로": "TP.값"}
},
"EWMA26": {
"moving_fn": {"스크립트": "MovingFunctions.ewma(값, 2/(26+1))", "창": 26, "버킷_경로": "TP.값"}
},
MACD 계산
"buckets_path" 매개변수와 함께 macd라는 "bucket_script" 집계를 사용하여 EWMA12 및 EWMA26의 결과를 지정합니다. 그런 다음 MACD 지표는 스크립트의 방정식에 따라 계산됩니다.
"MACD": {
"bucket_script": {
"buckets_path": {
"EWMA12": "EWMA12",
"EWMA26": "EWMA26"
},
"스크립트": "params.EWMA12 - params.EWMA26"
}
},
전형적인 값의 10일 단순 이동 평균을 계산합니다.
MACD 값의 10일 SMA를 계산하기 위해 매개변수 창을 10으로, 매개변수 "buckets_path"를 MACD로 SMA10이라는 "moving_fn" 집계를 사용합니다. SMA는 비가중 평균 함수(MovingFunctions.unweightedAvg)를 사용하여 계산됩니다.
"SMA10": {
"moving_fn":{"스크립트": "MovingFunctions.unweightedAvg(값)", "창":10, "버킷_경로":"MACD"}
},
일반적인 값의 10일 표준 편차를 계산합니다.
매개변수 창은 10이고 매개변수 "buckets_path"는 MACD인 SD10이라는 "moving_fn" 집계를 사용하여 10일 MACD 표준 편차를 계산합니다. SD는 표준 편차 함수(MovingFunctions.stdDev)를 사용하여 계산됩니다.
"SD10": {
"moving_fn": {"스크립트":"MovingFunctions.stdDev(values, MovingFunctions.unweightedAvg(values))", "window":10, "buckets_path":"MACD"}
},
MACD BB 계산
BBU10 및 BBL10이라는 두 개의 "bucket_script" 집계를 "buckets_path" 매개변수와 함께 사용하여 SMA10 집계 및 SD10 집계의 결과를 지정합니다. 그런 다음 BBL10 및 BBU10은 SD10의 값을 더하거나 빼서 SMA10에서 계산됩니다.
"BBU10": {
"bucket_script": {
"buckets_path": {
"SMA": "SMA10",
"SD": "SD10"
},
"스크립트": "params.SMA + params.SD"
}
},
"BBL10": {
"bucket_script": {
"buckets_path": {
"SMA": "SMA10",
"SD": "SD10"
},
"스크립트": "params.SMA - params.SD"
}
},
MACD 값의 유형 식별
a) MACD 값을 지정하기 위해 매개변수 "buckets_path"와 함께 MACD_Diff라는 이름의 "파생" 집계를 사용하여 앞서 타임스탬프에서 MACD의 증가 또는 감소인지 여부를 결정합니다.
"MACD_Diff": {
"파생": {
"buckets_path": "MACD"
}
},
b) MACD 값의 유형을 분류하기 위해 BBL10, BBU10, macd 및 MACD_Diff 집계의 결과를 지정하기 위해 매개변수 "buckets_path"와 함께 MACDType이라는 "bucket_script" 집계를 사용합니다.
➤ MACD_Diff가 감소이고 macd 값 < BBL인 경우 1을 입력합니다.
➤ MACD_Diff가 증분이고 macd 값 < BBL인 경우 유형 2
➤ MACD_Diff가 증분이고 macd 값 > BBU인 경우 유형 3
➤ MACD_Diff가 감소 및 macd 값 > BBU인 경우 유형 4
➤ 다른 경우에는 0을 입력합니다.
"MACD 유형": {
"bucket_script": {
"buckets_path": {
"BBL": "BBL10",
"BBU": "BBU10",
"MACD": "MACD",
"MACD_Diff": "MACD_Diff"
},
"스크립트": "(params.MACD > params.BBU) ? (params.MACD_Diff > 0 ? 3:4) : (params.MACD < params.BBL) ? (params.MACD_Diff > 0 ? 2:1):0 "
}
},
출력을 위해 추가 문서 필터링
SMACD_BB라는 "bucket_selector" 집계를 사용하고 매개변수 "buckets_path"를 "DateStr"로 사용하여 "script" 문에 지정된 올바른 버킷을 선택합니다. 선택 기준은 날짜가 1년 2021월 1612137600000일 이후인 버킷입니다(에포크 시간 XNUMX(밀리초)).
"SMACD_BB": {
"bucket_selector": {
"buckets_path": {"DateStr":"DateStr"},
"스크립트": "params.DateStr >= 1612137600000L"
}
}
}
}
},
"크기": 0
}
결과를 수집한 후 이전에 표시된 대로 그림을 그릴 수 있습니다. 유형 3의 도트 색상은 아쿠아 블루, 유형 4는 파란색, 유형 1은 빨간색, 유형 2는 주황색, 나머지는 회색입니다.
독자는 GitHub(MACD_BB)
비고 :
I. ETF 데이터를 제공하는 IEX(Investors Exchange)와 오픈 소스 프로젝트 스토리지를 제공하는 GitHub에 감사드립니다.
Ⅱ. 이 기사는 기술적 사상을 기반으로 하며 어떠한 투자 조언도 구성하지 않습니다. 독자는 그것을 사용할 때 자신의 책임을 져야 합니다.
III. 아직 기사에 오류가 있을 수 있으며 독자들에게 수정을 요청합니다.
IV. 그런 독자들은 Elasticsearch의 모든 기본 기술에 대해 작가가 저술한 책을 참조할 수 있다고 생각합니다. "고급 Elasticsearch 7.0", 2019년 9781789957754월, Packt, ISBN: XNUMX.
