지표를 활용한 트레이딩

마지막 업데이트: 2022년 4월 1일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
  1. 1. Byun, H. W., Song, C. W., Han, S. K., Lee, T. K. and Oh, K. J. (2009). Using genetic algorithms to develop volatility index-assisted hierarchical portfolio optimization. Journal of the Korean Data & Information Science Society, 20, 1049-1060.
  2. 2. Campbell, J. Y., Grossman, S. J. and Wang, J. (1993). Trading volume and serial correlation in stock returns. Quarterly Journal of Economics, 108, 905-939. 상세보기
  3. 3. Cho, H. Y. and Lee, P. S (2001). A study on the relationship between price volatility and trading volume for trader type. Korean Journal of Financial studies, 29, 373-405.
  4. 4. Cornell, B. (2000). The relationship between volume and price variability in futures markets. The Journal of Futures Markets, 27, 2035-2043.
  5. 5. Easley, D. and O'Hara, M. (1992). Time and the process of security price adjustment. Journal of Finance, 47, 577-605. 상세보기
  6. 6. Epps, T. W. (1975). Security price changes and transaction volumes : Theory and evidence. American Economic Review, 586-597.
  7. 7. Epps, T. W. and Epps, M. L. (1976). The stochastic dependence 지표를 활용한 트레이딩 of security price changes and transaction volumes : Implications for the mixture-of-distributions hypothesis. Econometrica, 44, 305-321. 상세보기
  8. 8. Fujihara, R. A. and Mougoue, M. (1997). An examination of linear and nonlinear causal relationships between price variability and volume in petroleum futures markets. The Journal of Futures Market, 17, 385-416.
  9. 9. Gallant, A. R. Rossi, P. E. and Tauchen, G. (1992). Stock prices and volume. The Review of Financial Studies, 5, 199-242. 상세보기
  10. 10. Hiemstra, C. and Jones, J. D. (1994). Testing for linear and nonlinear Granger causality in the stock price-volume relation. Journal of Finance, 49, 1639-1664. 상세보기
  11. 11. Huang, B. N. and Yang, C. W (2001). An empirical investigation of trading volume and return volatility of the Taiwan Stock Market. Global Finance Journal, 12, 55-77. 상세보기
  12. 12. Karpoff, J. M. (1986). A theory of trading volume. Journal of 지표를 활용한 트레이딩 Finance, 41, 1069-1087. 상세보기
  13. 13. Kim, H. H. and Oh, K. J. (2012). Using rough set to develop the optimization strategy of evolving timedivision trading in the futures market. Journal of the Korean Data & Information Science Society, 23, 881-893. 원문보기 상세보기
  14. 14. Kocagil, A. E. and Shachmurove, Y. (1998). Return-volume dynamics in futures markets. The Journal of Futures Markets, 18, 399-426. 상세보기
  15. 15. Lamoureux, C. G. and Lastrapes, W. D. (1990). Heteroskedastcity in stock return data: Volume versus GARCH effects. The Journal of Finance, 45, 221-229. 상세보기
  16. 16. Lee, S. J. and Oh, K. J. (2011). Finding the optimal frequency for trade and development of system trading strategies in futures market using dynamic time warping. Journal of the Korean Data & Information Science Society, 22, 255-267.
  17. 17. Moosa, I. A. and Al-Loughani, N. E. (1995). Testing the price-volume relation in emerging asian stock markets. Journal of Asian Economics, 6, 407-422. 상세보기
  18. 18. Shim, K. S., Ahn, J. J. and Oh, K. J. (2012). Multi-currencies portfolio strategy using principal component analysis and logistic regression. Journal of the Korean Data & Information Science Society, 23, 151-159. 원문보기 상세보기
  19. 19. Smirlock, M. and Starks, L. (1988). An empirical analysis of the stock price-volume relationship. Journal of Banking and Finance, 8, 31-41.

지표를 활용한 트레이딩

1.
알고리즘트레이딩 교육을 개설할 때 목표가 있었습니다. 그렇지만 희미했죠. 시간이 흐르면서 명확히 정리하였습니다.

“수학기호로 가득찬 금융공학 논문을 혼자서 낑낑거리면서도 읽을 수 있는 능력을 키우는 교육”

이런 생각으로 트레이더용 금융수학 입문과정과 시계열데이타(시세) 분석방법론 같은 과정도 만들려고 합니다. 물론 쉽지 않습니다.(^^)

알고리즘트레이딩교육이 몇 기 흘렀습니다. 교육이 끝난 후 이야기를 들어보면 관심이 많은 부분중 하나가 Pairs Trading이라고 합니다. 인구에 많이 회자하였고 다른 것보다 이해하기 쉽기때문이 지표를 활용한 트레이딩 지표를 활용한 트레이딩 지표를 활용한 트레이딩 아닐까 합니다. 그동안 페어트레이딩 전략을 주식시장에 적용해보려는 시도도 많았나 봅니다. 페어트레이딩 전략과 KRX 주식시장을 놓고 성과분석을 한 여러 논문들이 나오고 있습니다.

또다른 논문은 한양대 석사논문입니다.

트레이딩전문대학원이 있는 국민대의 석사논문도 있습니다.

마지막으로 서울대 석사논문입니다.

본문을 올리지 않았지만 URL로 방문하시면 본문을 PDF로 보실 수 있습니다.

2.
생각보다 논문이 많네요. 수적천석(水滴穿石)이라는 말이 있습니다. 신문에 실린 현대산업개발 사장이 좋아하는 말입니다. 이를 어떤 분은 아래와 같이 해석합니다.

물방울이 바위를 뚫는다. 꾸준함의 힘처럼 무서운 것은 없다.물방울이 바위를 뚫을 수 있음은 그 힘이 아니라 꾸준함이다.

꾸준함을 드러내는 지표는 시간입니다. 작은 시간이 쌓이면 역사가 되고 진화가 일어납니다. 하루 20분의 공부가 더 나은 트레이딩으로 이끌 수 있습니다.

지표를 활용한 중기적 관점의 지수 (ETF) 트레이딩 전략

- 시장의 추세를 활용하여 지수 전체를 매매할 경우 양호한 수익률을 얻을 수 있음. 최근 주요 기관들의 패시브 전략 또한 이러한 상황과 무관하지 않
음. 특히, 한국 시장의 경우 지수형 ETF 종류가 다양하며, 추적 오차 (Tracking Error)가 크지 않기에 투자의 한 방법으로 유용하게 사용 가능
- 2011년 4월 이후 5년 동안 이번에 소개하는 트레이딩 전략을 활용해 투자할 경우 지수는 -1.04% 하락한 반면, ETF 수익률은 +95.09% 에 달하
는 양호한 결과를 나타냄. 동기간 동안 총 7번의 매매가 발생했으며, 그 중 6번이 양의 수익률을, 1번이 음의 수익률을 기록
- 5월 말 MSCI EM 지수 내 중국 ADR 2차 편입에 따른 수급 이슈, 6월 예정된 미국 FOMC, 영국의 브렉시트 총선거 등 지수의 하방압력으로 작용
할만한 대외 변수로 인해 시장은 단기 조정 가능성이 있음. 이에 이번에 소개하는 ETF 트레이딩 모델의 매수 시그널이 발생할 가능성이 높으며, 발
생 시 자료를 통해 제시할 예정. 해외 지수에 대한 투자로 미국에 상장된 글로벌 ETF 매매전략은 다음 자료를 통해 소개할 예정

ⓒ 한경닷컴, 무단전재 및 재배포 금지

당신이 좋아할 만한 뉴스

KB운용 "TDF도 액티브하게 굴린다"

KB자산운용은 28일 액티브 타깃데이트펀드(TDF)인 ‘KB다이나믹TDF’를 출시했다. TDF는 은퇴 시점을 목표로 위험·비위험자산 비중을 알아서 조정해주는 펀드로, 퇴직연금 투자 대표 상품으로 주목받고 있다.KB다이나믹TDF는 KB자산운용이 안동현 서울대 교수팀과 공동으로 개발한 글라이드패스(생애주기 자산배분곡선)를 활용한 상품이다. 핵심 포트폴리오는 글로벌 주식과 채권 상장지수펀드(ETF)로 구성한다. 주식 편입 비중이 가장 높은 KB다이나믹TDF2050의 포트폴리오 구성은 지난달 말 기준 해외주식 53.8%, 해외채권 14.8%, 해외부동산 8.2%, 원자재 5.7%, 국내주식 5.4%, 국내채권 1.6% 등이다.KB자산운용은 출시 초기 운용성과 검증을 위해 회사 고유자금으로 이 TDF를 시범 운용했다. 최근 글로벌 증시가 침체됐음에도 뛰어난 수익 방어력을 보였다는 게 회사 측 설명이다. 지난해 6월 15일부터 지난 24일까지 코스피지수가 17.4% 하락하는 동안 KB다이나믹TDF2050은 0.47%의 수익률을 기록했다.이석희 KB자산운용 연금WM본부 상무는 “주식과 채권뿐 아니라 대체상품을 편입하는 적극적인 운용 전략으로 주가 하락기와 인플레이션 국면에서 뛰어난 성과를 보였다”며 “운용 성과가 어느 정도 검증됐다고 판단해 본격적인 판매에 나설 예정”이라고 설명했다. 이 TDF는 국민은행, KB증권, 하나금융투자, 키움증권, 포스증권에서 가입할 수 있다.앞서 KB자산운용은 주력 TDF인 KB온국민TDF를 1조원 규모로 키웠다. 이 밖에 KB온국민평생소득TIF, KB타겟리턴OCIO 등 다양한 연금 상품 라인업을 보유하고 있다.구은서 기자

'TDF도 액티브하게'…'KB다이나믹 TDF' 본격 판매 시작

KB자산운용은 28일 액티브 타깃데이트펀드(TDF)인 ‘KB다이나믹 TDF’의 본격적인 판매에 나선다고 발표했다. TDF는 은퇴시점을 목표로 위험·비위험자산 비중을 알아서 조정해주는 펀드로, 퇴직연금 투자 대표상품으로 주목받고 있다.‘KB다이나믹 TDF’는 KB자산운용이 서울대 안동현교수팀과 공동으로 개발한 글라이드패스(Glide Path, 생애주기 자산배분곡선)를 활용한 상품이다. 대표상품인 ‘KB온국민TDF’보다 시장 변동성에 적극적으로 대응한다.출시 초기 운용성과 검증을 위해 회사고유자금을 중심으로 운용을 시작했다. 최근 글로벌 주식 하락 및 금리 상승기에 뛰어난 방어력을 보였다는 게 회사 측 설명이다. 지난해 6월 15일 펀드 설정 이후 코스피 지수가 17.4% 하락하는 기간 동안 플러스 수익률을 유지하고 있다. KB다이나믹TDF2050 기준 설정 이후 지난 24일까지 수익률은 0.47%다.이석희 KB자산운용 연금WM본부 상무는 “주식, 채권뿐 아니라 대체상품을 편입하는 적극적인 운용전략으로 주가하락기와 인플레이션 국면에서 뛰어난 성과를 보였다”며 “운용성과가 어느 정도 검증됐다고 판단해 본격적인 판매에 나설 예정”이라고 설명했다.‘KB다이나믹 TDF’는 경기사이클, 주가, 금리의 세가지 변수를 복합적으로 고려해 자산을 배분하는 투자 전략을 구사한다. 회복기, 확장기, 둔화기 등 경기 흐름에 따라 편입자산을 달리한다. 비중 역시 탄력적으로 배분한다. 핵심(core) 포트폴리오는 글로벌 주식과 채권 상장지수펀드(ETF)로 구성한다. 위성(Satellite) 포트폴리오는 대체자산과 고배당채권 등으로 구성해 꾸준한 초과 수익률을 노린다.지난달 말 기준으로 주식

대신증권, 내달 19일까지 해외주식 거래 시 축하금 지원 행사

대신증권은 해외주식 거래 고객을 대상으로 일정 금액을 돌려주는 행사를 연다고 24일 밝혔다. 이번 행사는 미국 일본 홍콩 중국(상해‧심천 A) 등에 상장된 해외주식을 거래한 경우 금액에 따라 2~5만원을 지급하는 것이다. 다음달 19일까지 진행되며 추첨하는 방식이다. . 이와 함께 주간 기준으로 해외주식 거래 대금이 1억원을 넘는 20명을 선정해 5만원을 제공한다. 행사 기간 합산한 거래 대금이 10억원 이상이거나 가장 많은 고객 4명에게.

ScienceON Chatbot

Using correlated volume index to support investment strategies in Kospi200 future market

본 연구에서는 코스피200 선물시장에서 거래량 지표를 이용한 매매 전략을 제안한다. 거래량과 주가의 인과성에 대한 많은 연구가 진행되어 왔으나 뚜렷한 결과를 도출하지 못하였지만, 본 연구에서는 거래량을 사용하는 투자전략의 경제적 유용성을 실증 분석하여 거래량이 주가의 선행 지표를 활용한 트레이딩 지표라는 것을 지지하였다. 본 연구는 크게 두 가지 목적을 가지고 있다. 첫 번째 목적은 CVI (correlated volume index)라는 거래량을 사용한 지표를 생성하는 것이다. 두 번째 목적은 이를 이용하여 코스피200 선물 지수의 적절한 매수시점과 매도시점을 정하는 것이다. 이 논문의 실험결과는 제안된 모델의 유용성을 증명할 수 있을 것이며, 또한 이를 통해 시장참여자들의 투자 결정에 있어 도움을 줄 수 있을 것이다.

Abstract

In this study, we propose a new trading strategy by using a trading volume index in KOSPI200 futures market. Many studies have been conducted with respect to the relationship between volume and price, but none of them is clearly concluded. This study analyzes the economic usefulness of investment strategy, using volume index. This analysis shows that the trading volume is a preceding index. This paper contains two objectives. The first objective is to make an index using Correlated Volume Index (CVI) and second objective is to find an appropriate timing to buy or sell the Kospi200 future index. The results of this study proved the importance of the proposed model in KOSPI200 futures market, and it will help many investors to make the right investment decision.

첫 번째 원인은 파생시장이 제로섬게임이라는 것에 있다. 파생시장에서는 누군가가 100억을 벌면 반대 포지션을 취한 누군가는 반드시 100억을 잃어야 한다. 이러한 구조로 인해 선물시장은 주식시장과 다르게 수익창출에 어려운 면이 있다. 두 번째는 뛰어난 정보력의 외국자본이 우리나라에 대규모로 들어와 있기 때문이다.

하지만, 우리나라 선물시장의 파이가 커진 만큼, 수익을 얻기는 더욱 힘들어졌다. 그 첫 번째 원인은 파생시장이 제로섬게임이라는 것에 있다. 파생시장에서는 누군가가 100억을 벌면 반대 포지션을 취한 누군가는 반드시 100억을 잃어야 한다. 이러한 구조로 인해 선물시장은 주식시장과 다르게 수익창출에 어려운 면이 있다. 두 번째는 뛰어난 정보력의 외국자본이 우리나라에 대규모로 들어와 있기 때문이다. 우리나라 선물시장의 규모적 발전 원인은 우리나라 내재적인 요인에서도 찾을 수 있겠지만, 다른 나라에 비해 많은 외국 자본에서 찾을 수 있다.

선물거래란 장래의 일정한 시점 (결제일)에 일정량의 특정상품을 미리 정한 가격 (선물가격)으로 매매하기로 맺은 계약이다. 계약의 결제일 이전에 반대매매를 행하거나 또는 그 계약의 결제 일에 현물에 대한 인·수도를 행함으로써 그 계약을 이행하게 되는 거래 형태를 말하며 선물의 가치가 현물시장에서 운용되는 기초자산 (채권, 외환, 주식 등)의 가격변동에 따라 파생적으로 결정되는 파생상품 거래의 일종이다.

거래량 지표를 도출하기 위해 본 연구에서는 5거래일, 10거래일, 20거래일의 세 가지 경우에 대해서 거래량의 분산을 구했다. 우선, t시점을 기준으로 5거래, 10거래, 20거래 동안의 분산을 구한 뒤, t-1시점까지의 각각의 분산을 구했다.

저자의 다른 논문

참고문헌 (19)

  1. 1. Byun, H. W., Song, C. W., Han, S. K., Lee, T. K. and Oh, K. J. (2009). Using genetic algorithms to develop volatility index-assisted hierarchical portfolio optimization. Journal of the Korean Data & Information Science Society, 20, 1049-1060.
  2. 2. Campbell, J. Y., Grossman, S. J. and Wang, J. (1993). Trading volume and serial correlation in stock returns. Quarterly Journal of Economics, 108, 905-939. 상세보기
  3. 3. Cho, H. Y. and Lee, P. S (2001). A study on the relationship between price volatility and trading volume for trader type. Korean Journal of Financial studies, 29, 373-405.
  4. 4. Cornell, B. (2000). The relationship between volume and price variability in futures markets. The Journal of Futures Markets, 27, 2035-2043.
  5. 5. Easley, D. and O'Hara, M. (1992). Time and the process of security price adjustment. Journal of Finance, 47, 577-605. 상세보기
  6. 6. Epps, T. W. (1975). Security price changes and transaction volumes : Theory and evidence. American Economic Review, 586-597.
  7. 7. Epps, T. W. and Epps, M. L. (1976). The stochastic dependence of security price changes and transaction volumes : Implications for the mixture-of-distributions hypothesis. Econometrica, 44, 305-321. 상세보기
  8. 8. Fujihara, R. A. and Mougoue, M. (1997). An examination of linear and nonlinear causal relationships between price variability and volume in petroleum futures markets. The Journal of Futures Market, 17, 385-416.
  9. 9. Gallant, A. R. Rossi, P. E. and Tauchen, G. (1992). Stock prices and volume. The Review of Financial Studies, 5, 199-242. 상세보기
  10. 10. Hiemstra, C. and Jones, J. D. (1994). Testing for linear and nonlinear Granger causality in the stock price-volume relation. Journal of Finance, 49, 1639-1664. 상세보기
  11. 11. Huang, B. N. and Yang, C. W (2001). An empirical investigation of trading volume and return volatility of the Taiwan Stock Market. Global Finance Journal, 12, 55-77. 상세보기
  12. 12. Karpoff, J. M. (1986). A theory of trading volume. Journal of Finance, 41, 1069-1087. 상세보기
  13. 13. Kim, H. H. and Oh, K. J. (2012). Using rough set to develop the optimization strategy of evolving timedivision trading in the futures market. Journal of the Korean Data & Information Science Society, 23, 881-893. 원문보기 상세보기
  14. 14. Kocagil, A. E. and Shachmurove, Y. (1998). Return-volume dynamics in futures markets. The Journal of Futures Markets, 18, 399-426. 상세보기
  15. 15. Lamoureux, C. G. and Lastrapes, W. D. (1990). Heteroskedastcity in stock return data: Volume versus GARCH effects. The Journal of Finance, 45, 221-229. 상세보기
  16. 16. Lee, S. J. and Oh, K. J. (2011). Finding the optimal frequency for trade and development of system trading strategies in futures market using dynamic time warping. Journal of the Korean Data & Information Science Society, 22, 255-267.
  17. 17. Moosa, I. A. and Al-Loughani, N. E. (1995). Testing the price-volume relation in emerging asian stock markets. Journal of Asian Economics, 6, 407-422. 상세보기
  18. 18. Shim, K. S., Ahn, J. J. and Oh, K. J. (2012). Multi-currencies portfolio strategy using principal component analysis and logistic regression. Journal of the Korean Data & Information Science Society, 23, 151-159. 원문보기 상세보기
  19. 19. Smirlock, M. and Starks, L. (1988). An empirical analysis of the stock price-volume relationship. Journal of Banking and Finance, 8, 31-41.

이 논문을 인용한 문헌

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

  • DOI : 10.7465/jkdi.2013.24.2.235
  • 한국학술정보 : 저널
  • 한국데이터정보과학회 : 저널
  • DBPia : 저널

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

지표를 활용한 트레이딩

반박시 워뇨띠한테 가서 따져라

보조지표에 관련된 글을 많이 올리기는 하지만, 보조지표를 공부하기 전에 필수적으로 알아야 할 내용이라고 생각되어 글을 남깁니다. 제 생각을 남기는 것이므로 편하게 반말로 쓰겠습니다.

주식과 코인을 하다보면 한 번 쯤은 보조지표를 겪게 된다. 굳이 차트매매(트레이딩)를 하는 사람이 아닌 장기투자를 하는 사람일지라도 좋은 타점을 잡기 위해 보조지표를 사용하는 사람들도 많다.

근데 진짜 보조지표만 보고 매매하는 것 만큼 쓰레기같은게 없다. 못 믿겠으면 보조지표만으로 계속 매매를 해보면 된다. 지표를 하나 공부하게 되고 파고 파고 파고 파고 계속 파다보면 또 다른 지표를 공부하게 되고. 그냥 쳇바퀴만 도는 자신을 볼 수 있을거다.

워뇨띠는 17년 말에 코인 시작한거로 아는데 5개월만에 깨달았다. 진짜 황뇨띠 당신은 대체.

보조지표에 대한 내 생각은 이렇다.

보조지표란 결국 거래량과 그 거래량으로 인하여 나온 캔들을 종합하여 해석하기 위함인데, 보조지표를 공부하는 사람 대부분은 수급에 대한 이해가 1도 없으면서 지표의 크로스와 시그널에만 집착한다. 해당 지표가 뭘 의미하는지도 모른채로 숫자와 크로스에만 집착하고 사고팔고 한다. 여기까지만 들어봐도 뭔가 이상하지 않은가?

대표적인 예로 RSI를 들어보겠다. 코인 커뮤니티에서 RSI 올려놓고 코인 분석하는 글을 종종 보는데 (RSI 까는건 아님. 나도 RSI 종종 참고하여 지표를 활용한 트레이딩 사용함.) 솔직히 RSI는 상대적인 추세의 강도를 보여주는 지표이다. 거래량 싹 다 빼놓고 캔들 크기 14개로 평균내서 추세가 상대적으로 어떻게 진행되는지 보여주는 지표인데 거기에 대고 70넘으면 과매수, 30 이하면 과매도라고 하는데. 흠.

대부분 이렇게 생각한다

하나 긁어왔다. 솔직히 저게 평균 수준이긴하다. 어찌 보면 글쓴사람을 깎아내리는 글이기에 조금 조심스럽긴 한데, 특정인을 까내리려 하는게 아니니 오해 없으셨으면 한다. 저 블로그 어딘지도 모르고 RSI 검색했을때 뭔가 잘 보여서 긁어왔다.

본론으로 RSI에는 거래량에 대한 정보가 일절 포함되어 있지 않다. 심지어 뇌동매매로 투매했는지 안했는지를 확인하려면 각 타임프레임별 거래량과 거래량과 캔들관의 상관관계를 따져서 구하는 방법이 있다. 물론 그 전 구간에서 거래량이 현재에 어떻게 발현되었고 기타 등등 보면 이게 개미들 투매인지 아님 홀더들은 많은데 특정 세력에 의해 내린건지 유추할 수 있게 된다. RSI가 보여주는 숫자로는 절대로 해석이 불가능 하다.

이런것들을 보면서 해석을 해야 하는데 숫자가 30이하로 가면 과매도. 라고 한다. 솔직히 그 사람들이 잃은만큼 내가 버는거라 별 신경은 안쓰는데 지표를 활용한 트레이딩 과매수, 과매도에 대한 말이 너무 남용되고 있다고 봐도 생각한다.

결국 보조지표를 쓸거면 거래량과 캔들에 대한 이해를 짱짱하게 해놓고 쓰는것이 맞다고 생각한다. 그렇게 된다면 보조지표의 시그널을 보는 것이 아닌 보조지표에 나와있는 숫자들을 날것 그대로 해석할 수 있게 되며 말 그대로 보조적인 도움을 받기 편하게 된다. 솔직히 거래량 캔들에 대한 이해만 겁나 높아져도 보조지표 필요 없게 된다.

이 외에 추세선이라던지 공포에 매수하라는 원칙이라던지. 개소리라고 생각되는 것들이 많은데 솔직히 누군가는 지표의 시그널만으로도 매매를 잘 하는 사람들도 있기에 여기까지만 하겠다. 근데 정말 그런 사람들은 극 소수이며 대부분의 사람들은 보조지표로 피보면서 피같은 돈을 다 잃게 된다. 다이버전스니 뭐니 하면서 매매해봐야 한강 다이빙 각 나온다.

그렇기에 말 그대로 보조지표는 보조로 사용해야 한다. 사실 보조지표를 사용해야 할 정도로 헷갈리는 구간이라면 매매를 안 하는게 맞다. 그래서 고수들은 보조 지표를 정말 극에 극으로 최소화 시켜놓고 매매하는 것이다. (난 고수 아님)

가장 중요한건 수급(거래량 + 캔들)에 대한 이해와 수급으로 인하여 책에 나오지 않는 패턴들과 심리 현상이 나온다는 점이다. 나도 아직까지 배우는 중이지만 보조지표를 말 그대로 보조적인 용도로 사용했을때 가장 승률이 높게 나오는 것 같다. 최근 선물 트레이딩도 거래량과 캔들만 보고 매매하였다. 21년 1월간 4번만 매매했다.

21년 1월

진짜 차트공부 극 초반에 거지같은 유튜버들이 지표 설명해주고, 지표 관련된 책만 사서 줄줄이 읽고. 그것때문에 나는 시간을 너무 갖다버린 느낌이 든다. 나는 노력에도 가성비가 있다고 생각하는 사람이다. 어떠한 분야든 초반에 공부 방향성을 잘 잡고 방향성에 맞게 시간을 투입하는게 최고의 가성비를 내주는데 난 그러지 못하였다. 누군가는 이 글을 보고 공부의 방향성에 대하여 다시 한번 생각해보았으면 좋겠다.

[요약]
1. 보조지표를 재대로 사용하기 위해서는 수급(거래량 + 캔들)에 대한 이해도가 매우 높아야 한다.

2. 그래서 수급 공부를 했더니. 보조지표가 필요 없게 되었다. 각 보조지표가 말하는 본질을 이해할 정도가 되면 고수가 되어있기 때문.
2.1 보조지표는 수급 이해도가 정점인 사람들이 만든 것들이다. 이걸 한 번에 이해할거라고 혹은 시그널만으로 매수 매도하여 돈을 벌겠다는 생각 자체가 자만
2.2 물론 보조지표 유의미 하다. 보조지표의 원리에 대하여 깊게 이해가 가능하다면 매우 좋다. (사실 나도 씀. )

3. 대부분의 사람들은 공부를 반대로 하고있다. 그래서 돈을 잃고, 차트분석에 환멸을 느끼거나 기본기 없이 새로운 지표를 공부하는 악순환에 빠지게 된다.

지표를 활용한 트레이딩

트레이딩 뷰는 시장 분석, 토론, 거래를 위한 금융 플랫폼으로 금융 거래에 필요한 차트를 위시한 거래 툴, 소셜네트워크 및 커뮤니티 기능, 여러 금융 정보와 지표를 모은 데이터베이스, 실시간 뉴스 등을 제공하는 웹사이트입니다. 이 서비스를 이용하는 이유는, 전략을 작성하고 백테스트를 하는 과정이 매우 쉽고, 유료 서비스를 이용하면 매수 매도 시그널이 발생했을 때 외부 시스템과 연동할 수 있는 기능을 제공하기 때문에 자동화도 편리합니다. 따라서 지표를 활용한 트레이딩 초보자라도 쉽게 트레이딩 봇을 만들어볼 수 있습니다. 다만 유료 서비스 비용이 연간 20만원 정도 발생하기 때문에 30일 간의 트라이얼 기간 동안 테스트를 충분히 해본 후 결정하시기 바랍니다.

이번 장에서는 트레이딩 뷰에서 전략을 작성하고, 매매 조건 충족 시 알림을 받는 기본적인 방법을 학습해 보겠습니다.

실행 과정은 다음 영상을 참고하세요:

화면 설정

먼저 트레이딩 뷰 첫 화면에서 Chart 를 선택하고, 보고자 하는 종목과 시간 프레임을 선택합니다.

이 때 종목을 클릭하면 종목의 심볼을 검색할 수 있고, 해당 종목이 거래되는 시장도 선택할 수 있습니다.

원화 비트코인인 BTCKRW 를 선택하고, 시장을 업비트로 선택한 후, 시간 프레임을 15분으로 선택한 화면은 다음과 같습니다:

그림 1. 트레이딩 뷰 차트 화면

인디케이터

트레이딩 뷰 차트에서 제공하는 프로그래밍 언어인 Pine Script 를 이용하면, 사용자가 직접 지표(indicator)를 개발하거나 매매 전략(strategy)를 작성해서 매매에 활용할 수 있습니다.

트레이딩 뷰에서는 이동 평균선이나 RSI, MACD 와 같은 다양한 지표를 기본으로 제공하고 있습니다.지표를 활용한 트레이딩

차트 상단의 [ Indicator ] 메뉴를 선택하고 팝업 검색창에 [ Moving Average ] 를 입력해서 Technicals 섹션의 [ Moving Average ] 를 선택합니다. 마찬가지 방법으로 [ Relative Signal Index ] 를 선택하면 화면은 다음과 같습니다:

그림 2. 인디케이터 설정

이동평균선(MA)은 가격 차트와 동일한 영역에 겹쳐서 표시되는 데 반해, 상대강도지수(RSI) 는 별도의 영역에 표시됩니다. 이러한 영역을 Pane 이라 부르고, Pane 을 겹쳐서 출력할지(overlay) 여부는 설정으로 변경할 수 있습니다.

MA 는 9일 이동평균선이 기본으로 표시되는데, 설정을 통해 평균할 봉의 개수, 색상 등은 모두 사용자가 설정할 수 있습니다. 마우스를 Pane 좌상단에 표시된 글자 위로 가져가면 설정할 수 있는 표시되는 톱니바퀴 모양의 아이콘을 클릭하면 됩니다. 그림 지표를 활용한 트레이딩 2 에서는 좌상단의 MA 에 마우스를 위치해서 설정 화면이 표시된 것을 확인할 수 있습니다.

사용자 지표 작성

이제 사용자가 직접 지표를 작성해 보겠습니다. 화면 우하단의 [ ^ ] 모양의 아이콘을 클릭하면 표시되는 화면에서 [ Pine Editor ] 메뉴를 선택하면 지표를 작성할 수 있습니다. 트레이딩 뷰를 처음 실행한다면 아마 다음과 같은 기본적인 코드가 작성되어 있을 것입니다:

라인 별 의미는 다음과 같습니다:

  • @version=5 : 파인 스크립트 버전 5를 사용하고 있다는 표시입니다. 스크립트 버전에 따라 문법이 다르기 때문에, 버전을 꼭 명시해 줘야 제대로 작동합니다.
  • indicator() : 트레이딩 뷰에서는 지표와 전략을 작성할 수 있다고 앞에서 설명했습니다. 이 명령어는 작성된 스크립트가 지표를 위한 것임을 명시하고 있습니다.
  • plot(close) : 현재 봉에서의 종가(close) 를 표시하라는 명령입니다. close 는 파인 스크립트에서 기본 제공되는 종가를 나타내는 순열(series) 입니다. 현재 봉의 종가는 close 또는 close[0] 로 표시하고, 이전 봉의 종가는 close[1] , 전전 봉의 종가는 close[2], . 이런 식으로 표시합니다.

이 상태에서 [ Add To Click ] 버튼을 클릭하면 그림 3. 과 같이 작성된 지표가 화면에 새로 표시됩니다:

그림 3. 인디케이터 작성 및 차트에 추가

이제 다음과 같이 코드를 고쳐보겠습니다:

먼저 (a) indicator() 함수에 overlay 파라미터를 true 로 지정하면 그림 3. 과 같이 별도의 pane 에서 출력되지 않고, 그림 2. 의 MA 지표처럼 메인 차트의 pane 에 겹쳐서 함께 출력이 됩니다.

(b) ma 라는 변수를 선언하고 (c~d) 현재 종가를 포함해 과거 30개의 종가(close[0], close[1], close[2], . close[29]) 의 합을 구한 뒤 (e) 30 으로 나눈 결과를 ma에 저장하면 그 결과는 30개 종가의 평균이 됩니다. (f) 명령은 이 값을 두께 2 인 붉은색 선으로 그립니다.

여기서 변수를 처음 선언할 때에는 연산자가 "=" 이고, 변수의 값을 변경할 때는 ": size16">

이제 코드를 저장하고 [ Add to Chart ] 를 선택하면 다음과 같은 화면을 확인할 수 있습니다:

그림 4. 사용자 지표 실행 화면


0 개 댓글

답장을 남겨주세요