CLONE CODING

[TA-Lib] #6: TA-Lib를 활용한 MACD 계산 및 분석

CloneCoding
시리즈 / TA-Lib
2023년 8월 24일

기술 분석은 시장의 과거 데이터를 분석하여 미래의 가격 움직임을 예측하는 방법론 중 하나이다. 그 중에서도 MACD(Moving Average Convergence Divergence)는 시장의 트렌드와 모멘텀을 분석하는 데 널리 사용되는 지표이다. 이 글에서는 TA-Lib를 활용하여 MACD Line, Signal Line, 그리고 Histogram을 어떻게 계산하는지에 대한 과정을 소개한다. 또한, MACD의 활용 방법과 이를 통한 트렌드 분석, 오버바이/오버셀 상황의 판단 기준 등을 자세히 살펴본다. TA-Lib의 설치 방법은 [TA-Lib] #2: 기술적 분석을 위한 TA-Lib 설치에서 확인할 수 있으며, MACD의 기본 개념은 [TA-Lib] #5 MACD - MACD 보는 법과 차트 분석에서 볼 수 있다.

TA-Lib를 이용하여 MACD Line, Signal Line, Histogram 계산

MACD의 계산은 TA-Lib 라이브러리를 활용하여 손쉽게 할 수 있다.

기본 설정을 이용한 MACD 계산

MACD(Moving Average Convergence Divergence)의 기본 공식은 장기(보통 26일) 지수 이동 평균(EMA)와 단기(보통 12일) 지수 이동 평균의 차이를 사용하여 계산된다. 또한, Signal Line은 이 MACD Line의 9일 지수 이동 평균으로 구성된다. 이러한 공식이 TA-Lib에서 MACD를 계산할 때의 디폴트 파라미터로 정의되어 있어, 별도의 설정 없이도 기본적인 MACD 분석을 손쉽게 수행할 수 있다. Histogram은 MACD Line과 Signal Line의 차이로, 시장의 모멘텀을 평가하는데 사용된다.

python

# 라이브러리 임포트
from yahooquery import Ticker
import talib
import pandas as pd

# 삼성전자(005930.KS) 주식 데이터 가져오기
samsung = Ticker('005930.KS')
df = samsung.history(period='2y')  # 2년치 데이터

# 기본 설정으로 MACD 계산
macd_line, signal_line, histogram = talib.MACD(df['close'])

# 결과를 DataFrame에 추가
df['macd'] = macd_line
df['signal'] = signal_line
df['histogram'] = histogram

# 결과 출력
print(df.tail())

                                  macd      signal   histogram
date                                                          
2023-08-18 09:00:00+09:00 -1131.574418 -858.195089 -273.379329
2023-08-21 09:00:00+09:00 -1149.339226 -916.423916 -232.915310
2023-08-22 09:00:00+09:00 -1150.159640 -963.171061 -186.988579
2023-08-23 09:00:00+09:00 -1097.809142 -990.098677 -107.710465
2023-08-24 12:57:55+09:00  -956.533862 -983.385714   26.851852

커스텀 설정을 이용한 MACD 계산

만약 이동 평균의 기간을 커스텀하게 설정하고 싶다면, TA-Lib의 MACD 함수에서 fastperiod, slowperiod, signalperiod 파라미터를 조정할 수 있다. 예를 들어, 단기 EMA를 10일로, 장기 EMA를 22일로 설정하고 싶다면, fastperiod=10, slowperiod=22로 설정하면 된다. 커스텀 설정은 특정 전략이나 시장 상황에 더 적합한 분석을 위해 사용할 수 있으며, 분석가의 전략에 따라 다양한 방식으로 조정할 수 있다. 이를 통해 보다 유연하게 시장의 트렌드와 모멘텀을 분석할 수 있게 된다.

python

# 커스텀 이동평균 기간으로 MACD 계산
# 예를 들어, fast_period를 10으로, slow_period를 22로 변경하려면:
macd_line_custom, signal_line_custom, histogram_custom = talib.MACD(df['close'], fastperiod=10, slowperiod=22)

# 결과를 DataFrame에 추가
df['macdCustom'] = macd_line_custom
df['signalCustom'] = signal_line_custom
df['histogramCustom'] = histogram_custom

# 결과 출력
print(df.tail())

                            macdCustom  signalCustom  histogramCustom
date                                                                 
2023-08-18 09:00:00+09:00 -1141.200751   -904.775863      -236.424889
2023-08-21 09:00:00+09:00 -1140.014223   -951.823535      -188.190688
2023-08-22 09:00:00+09:00 -1121.103904   -985.679609      -135.424295
2023-08-23 09:00:00+09:00 -1041.821430   -996.907973       -44.913457
2023-08-24 12:57:55+09:00  -861.775290   -969.881436       108.106146

위 코드를 통해, 각각의 이동 평균 기간을 조절하여 다양한 시장 상황과 전략에 맞게 MACD 분석을 수행할 수 있다.

TA-Lib를 활용한 MACD 분석

트렌드 팔로잉

MACD Line과 Signal Line 교차지점 포착

MACD Line과 Signal Line의 교차는 시장의 변동성을 파악하는 데 중요한 신호로 사용된다. 이 둘이 교차할 때, 트렌드의 변화가 발생할 가능성이 있으므로, 이를 포착하여 투자 결정을 내릴 수 있다.

골든 크로스: MACD Line이 Signal Line을 아래서 위로 교차하는 지점을 의미한다. 이 현상은 종종 상승 트렌드의 시작을 나타내며, 매수의 기회로 해석될 수 있다.
데드 크로스: MACD Line이 Signal Line을 위에서 아래로 교차하는 지점을 의미한다. 이 현상은 하락 트렌드의 시작을 나타내는 신호로, 매도의 시점으로 간주될 수 있다.

이 두 교차 현상을 포착하여 트렌드의 변화가 발생할 가능성을 인지하고, 이에 따른 투자 결정을 내릴 수 있다.

python

import talib

macd, signal, _ = talib.MACD(df['close'])
df['macd'] = macd
df['signal'] = signal

df['upward'] = df['macd'] > df['signal']
df['downward'] = df['macd'] < df['signal']
df['goldenCross'] = (df['upward']) & (~df['upward'].shift(1).fillna(False))
df['deadCross'] = (df['downward']) & (~df['downward'].shift(1).fillna(False))

print('골든 크로스 지점')
print(df[df['goldenCross']])

print('데드 크로스 지점')
print(df[df['deadCross']])

골든 크로스 지점
                           goldenCross  deadCross
date                                             
2021-10-26 09:00:00+09:00         True      False
...
2023-08-24 12:57:55+09:00         True      False


데드 크로스 지점
                           goldenCross  deadCross
date                                             
2021-10-15 09:00:00+09:00        False       True
...
2023-06-14 09:00:00+09:00        False       True

Histogram의 크기를 활용한 트렌드 분석

Histogram의 크기를 활용한 트렌드 분석은 크게 두 가지 방법으로 진행할 수 있다.

강력한 트렌드: Histogram의 크기가 점점 커지면, 현재의 트렌드(상승 또는 하락)가 강화되고 있음을 나타낸다. 이는 시장에 강한 동력이 작용하고 있으며, 해당 방향으로의 투자 전략을 강화할 수 있다.
트렌드 약화: 크기가 점점 작아지면, 트렌드가 약화되고 있어, 포지션을 조정할 필요가 있을 수 있다. 이는 트렌드의 반전을 경계하고 적절히 대응할 필요가 있을 수 있음을 의미한다.

다음은 위 두 가지 사항을 분석하는 예제 코드이다.

python


macd, signal, histogram = talib.MACD(df['close'])
df['macd'] = macd
df['signal'] = signal
df['histogram'] = histogram

# 트렌드 컬럼 초기화
df['strong_bull'] = False
df['strong_bear'] = False
df['weak_bull'] = False
df['weak_bear'] = False

consecutive_increase = 0
consecutive_decrease = 0
prev_hist_size = abs(df['histogram'][0])

for i in df.index:
    curr_hist_size = abs(df['histogram'][i])

    if curr_hist_size > prev_hist_size:
        consecutive_increase += 1
        consecutive_decrease = 0
    elif curr_hist_size < prev_hist_size:
        consecutive_decrease += 1
        consecutive_increase = 0

    if consecutive_increase >= 5:
        trend_col = 'strong_bull' if df['histogram'][i] > 0 else 'strong_bear'
        df.at[i, trend_col] = True
        consecutive_increase = 0

    if consecutive_decrease >= 5:
        trend_col = 'weak_bull' if df['histogram'][i] > 0 else 'weak_bear'
        df.at[i, trend_col] = True
        consecutive_decrease = 0

    prev_hist_size = curr_hist_size


print('강력한 상승 트렌드의 시작 지점')
print(df[df['strong_bull']])

print('강력한 하락 트렌드의 시작 지점')
print(df[df['strong_bear']])

print('상승 트렌드 약화 시작 지점')
print(df[df['strong_bear']])

print('하락 트렌드 약화 시작 지점')
print(df[df['weak_bear']])

강력한 상승 트렌드의 시작 지점
                           strong_bull  strong_bear  weak_bull  weak_bear
date                                                                     
2021-12-07 09:00:00+09:00         True        False      False      False
...
2023-05-25 09:00:00+09:00         True        False      False      False


강력한 하락 트렌드의 시작 지점
                           strong_bull  strong_bear  weak_bull  weak_bear
date                                                                     
2022-01-19 09:00:00+09:00        False         True      False      False
...
2023-08-08 09:00:00+09:00        False         True      False      False


상승 트렌드 약화 시작 지점
                           strong_bull  strong_bear  weak_bull  weak_bear
date                                                                     
2021-12-16 09:00:00+09:00        False        False       True      False
...
2023-06-07 09:00:00+09:00        False        False       True      False


하락 트렌드 약화 시작 지점
                           strong_bull  strong_bear  weak_bull  weak_bear
date                                                                     
2021-10-22 09:00:00+09:00        False        False      False       True
...
2023-07-17 09:00:00+09:00        False        False      False       True

이 코드는 Histogram의 크기가 5회 이상 연속으로 증가하거나 감소하는 경우에 트렌드의 강화 또는 약화를 분석한다. 연속으로 증가하거나 감소하는 횟수를 추적하여 트렌드의 정확성을 더욱 높이는 방법을 사용해 시장의 동향을 더욱 정확하게 파악하고, 전략을 조율할 수 있게 된다.

오버바이/오버셀

MACD는 마켓의 오버바이와 오버셀 상태를 판단하는 데에도 활용될 수 있다. MACD Line과 Signal Line의 이격을 분석하거나, 제로라인과의 교차를 계산함으로써 마켓 상태를 판단하는 방법을 설명하겠다.

MACD Line과 Signal Line의 이격계산

MACD Line과 Signal Line 사이의 이격은 두 선의 거리로 볼 수 있으며, 이를 통해 시장 상태를 분석할 수 있다. 두 선 사이의 거리가 멀면 시장이 과열(오버바이) 상태일 가능성이 있어 매도의 신호로 해석될 수 있다. 반대로 두 선 사이의 거리가 가까우면 시장이 과매도(오버셀) 상태일 가능성이 있으며, 이 경우 매수의 기회로 간주될 수 있다.

이격의 기준은 시장 조건과 종목의 특성에 따라 달라질 수 있다. 아래 코드 예제에서는 현재의 이격값이 과거 30일 동안의 최대 이격값의 80% 이상일 경우, 두 선이 너무 멀리 떨어져 있다고 판단하고 매도 타이밍으로 간주한다. 반대로 현재의 이격값이 과거 30일 동안의 최소 이격값의 120% 미만이면 두 선이 너무 가깝게 붙어 있다고 판단하고 매수 타이밍으로 간주한다.

python


macd, signal, _ = talib.MACD(df['close'])
df['macd'] = macd
df['signal'] = signal

# MACD Line과 Signal Line의 이격을 계산한다.
df['divergence'] = df['macd'] - df['signal']

# 과거 30일의 최대, 최소 이격값을 계산한다.
df['max_divergence'] = df['divergence'].rolling(window=30).max()
df['min_divergence'] = df['divergence'].rolling(window=30).min()

# 매도 타이밍 판단: 현재 이격값이 최대 이격값의 80% 이상일 경우
df['sell_signal'] = df['divergence'] >= df['max_divergence'] * 0.8

# 매수 타이밍 판단: 현재 이격값이 최소 이격값의 120% 미만일 경우
df['buy_signal'] = df['divergence'] <= df['min_divergence'] * 1.2

print('오버바이')
print(df[df['sell_signal']])

print('오버셀')
print(df[df['buy_signal']])

오버바이
                           sell_signal  buy_signal
date                                              
2021-11-25 09:00:00+09:00         True       False
...           
2023-08-24 12:57:55+09:00         True       False


오버셀
                           sell_signal  buy_signal
date                                              
2021-12-20 09:00:00+09:00        False        True
...
2022-11-18 09:00:00+09:00        False        True

80%와 120%는 실험적인 값으로, 개별 시장 조건과 전략에 따라 조정될 수 있다.

제로라인 교차 계산

MACD Line이 제로라인을 상향 또는 하향 돌파하는 시점은 중요한 거래 신호로 볼 수 있다. 제로라인을 상향 돌파하면 매수 신호로, 하향 돌파하면 매도 신호로 볼 수 있다.

python

# 제로라인 교차 계산
df['cross_zero_line_up'] = (df['macd'] > 0) & (df['macd'].shift(1) <= 0)
df['cross_zero_line_down'] = (df['macd'] < 0) & (df['macd'].shift(1) >= 0)

print('제로라인 상향 돌파')
print(df[df['cross_zero_line_up']])

print('제로라인 하향 돌파')
print(df[df['cross_zero_line_down']])

제로라인 상향 돌파
                           cross_zero_line_up  cross_zero_line_down
date                                                               
2021-11-22 09:00:00+09:00                True                 False
...
2023-03-24 09:00:00+09:00                True                 False


제로라인 하향 돌파
                           cross_zero_line_up  cross_zero_line_down
date                                                               
2022-01-21 09:00:00+09:00               False                  True
...
2023-07-25 09:00:00+09:00               False                  True

MACD는 트렌드와 모멘텀 분석에 뛰어난 도구로, 투자 결정에 있어 중요한 지표가 될 수 있다. 이 글을 통해 TA-Lib를 활용하여 MACD를 쉽게 계산하고 분석하는 방법을 배웠다. 이를 통해 시장의 다양한 상황과 전략에 맞게 분석을 수행할 수 있으며, 더욱 정확한 투자 결정을 내릴 수 있게 된다.

FAQs

TA-Lib의 MACD 함수에서 fastperiod, slowperiod, signalperiod 외에 다른 파라미터를 조정할 수 있나요?
- TA-Lib의 MACD 함수에서는 일반적으로 이 세 가지 주요 파라미터를 조정한다. 다른 추가 설정은 특별한 경우가 아니라면 일반적으로 사용되지 않는다.
MACD 분석에서 사용되는 기간을 어떻게 선택해야 할까요?
- MACD 분석에서 사용되는 기간은 전략과 시장 상황에 따라 다를 수 있다. 일반적인 기본 값은 12일, 26일, 9일이지만, 특정 시장이나 종목에 따라 최적화된 값을 실험을 통해 찾을 수 있다.
MACD의 Histogram이 음수일 때 어떻게 해석해야 하나요?
- MACD의 Histogram이 음수라면, MACD Line이 Signal Line보다 낮은 것을 나타낸다. 이는 트렌드가 하락할 가능성이 높아, 매도의 신호로 해석될 수 있다. 특별한 시장 상황과 전략에 따라 다르게 해석될 수 있으니, 신중한 분석이 필요한다.
yahooquery를 이용해 MACD 분석을 하려면 어떻게 해야 할까?
- yahooquery를 이용하여 주식 또는 금융 데이터를 가져와 MACD 분석을 진행할 수 있다. yahooquery를 사용하여 데이터를 취합하고, TA-Lib의 MACD 함수를 이용하여 분석하는 방법에 대한 자세한 정보는 [파이썬] Yahooquery로 과거 주식 데이터와 재무 데이터 얻는 방법을 참조한다.
TA-Lib를 설치하지 않고 MACD 분석을 하고 싶다면 어떻게 해야 하나요?
- TA-Lib를 사용하지 않고도 MACD를 계산할 수 있지만, 코드가 복잡해질 수 있다. Python의 Pandas와 같은 라이브러리를 활용하여 직접 구현할 수 있다. 그러나 TA-Lib의 간편함과 효율성을 누리기 위해선 설치가 권장된다. 설치 방법에 대한 정보는 [TA-Lib] #2: 기술적 분석을 위한 TA-Lib 설치에서 확인할 수 있다.

시리즈 / TA-Lib 카테고리의 다른 글

[TA-Lib] #7: RSI (상대 강도 지수)의 개념 및 활용법	2023년 9월 1일
[TA-Lib] #6: TA-Lib를 활용한 MACD 계산 및 분석	2023년 8월 24일
[TA-Lib] #5 MACD - MACD 보는 법과 차트 분석	2023년 8월 24일
[TA-Lib] #4: TA-Lib를 활용한 이동평균 분석 - 시장추세 확인 및 골든 크로스와 데드 크로스 포착	2023년 8월 16일
[TA-Lib] #3: 시장 추세 이해하기 - 단기, 중기, 장기 이동평균선과 골든 크로스 및 데드 크로스	2023년 8월 16일