[AI | 데이터분석] 3. 모멘텀 기반 지표(RSI, Stochastic Oscillator, CCI)

📊 [AI | 데이터분석] 3. 모멘텀 기반 지표(RSI, Stochastic Oscillator, CCI)

목차

• 1. RSI (Relative Strength Index)
• 2. Stochastic Oscillator
• 3. CCI (Commodity Channel Index)

---

1. RSI (Relative Strength Index)

RSI(상대 강도 지수)는 가격의 과매수와 과매도 상태를 평가하는 모멘텀 지표로, 0에서 100 사이의 값을 가집니다.

RSI는 보통 다음 기준으로 해석됩니다:

• RSI 70 이상: 과매수 상태 → 매도 신호 가능.
• RSI 30 이하: 과매도 상태 → 매수 신호 가능.

1.1 RSI 공식

RSI는 다음 공식으로 계산됩니다:

$$ \text{RSI} = 100 - \frac{100} {1 + RS} $$

RS(Relative Strength)는 다음과 같이 계산됩니다:

$$ RS = \frac{\text{평균 상승폭}}{\text{평균 하락폭}} $$

1.2 코드 예시

# RSI 계산 함수
def calculate_rsi(data, period=14):
    delta = data["close"].diff()
    gain = delta.where(delta > 0, 0).rolling(window=period).mean()
    loss = -delta.where(delta < 0, 0).rolling(window=period).mean()
    rs = gain / loss
    rsi = 100 - (100 / (1 + rs))
    return rsi

# RSI 계산
df["rsi"] = calculate_rsi(df)

# 결과 출력
print(df[["close", "rsi"]].tail())

1.3 출력 예시

    close    rsi
95 57300.0  55.6
96 57350.0  57.3
97 57400.0  59.1
98 57320.0  56.8
99 57300.0  54.2

---

2. Stochastic Oscillator

Stochastic Oscillator는 현재 가격이 일정 기간의 고점과 저점 사이에서 어느 위치에 있는지를 평가하는 지표입니다. 이 지표는 가격이 상승 추세에서는 고점 근처에서, 하락 추세에서는 저점 근처에서 마감되는 경향이 있다는 가정에 기반합니다.

2.1 공식

%K(빠르게 움직이는 단기 지표): $$ \text{%K}= \frac{\text{현재 종가 - 최저가}}{\text{최고가 - 최저가}} × 100 $$

%D(느리게 움직이는 장기 지표): %K의 3일 이동평균.

2.2 코드 예시

# Stochastic Oscillator 계산
low_14 = df["low"].rolling(window=14).min()
high_14 = df["high"].rolling(window=14).max()
df["%K"] = (df["close"] - low_14) / (high_14 - low_14) * 100
df["%D"] = df["%K"].rolling(window=3).mean()

# 결과 출력
print(df[["close", "%K", "%D"]].tail())

2.3 출력 예시

    close    %K    %D
95 57300.0  45.6  50.2
96 57350.0  48.3  47.8
97 57400.0  51.2  48.4
98 57320.0  46.8  48.8
99 57300.0  44.3  47.4

---

3. CCI (Commodity Channel Index)

CCI는 현재 가격과 평균 가격 간의 차이를 평가하여 과매수와 과매도를 판단합니다.

CCI 값이 100 이상이면 과매수 상태, -100 이하이면 과매도 상태로 간주됩니다.

3.1 공식

$$ \text{CCI} = \frac{\text{TP} - \text{SMA(TP)}}{\text{0.015} × \text{MAD(TP)}} $$

$$ \text{TP(Typical Price)}: \frac{\text{고가 + 저가 + 종가}}{3} $$

3.2 Python 코드

# CCI 계산
df["tp"] = (df["high"] + df["low"] + df["close"]) / 3
df["sma_tp"] = df["tp"].rolling(window=20).mean()
df["mad_tp"] = df["tp"].rolling(window=20).apply(lambda x: pd.Series(x).mad())
df["cci"] = (df["tp"] - df["sma_tp"]) / (0.015 * df["mad_tp"])

# 결과 출력
print(df[["close", "cci"]].tail())

3.3 출력 예시

    close     cci
95 57300.0   45.3
96 57350.0   50.1
97 57400.0   58.7
98 57320.0   40.2
99 57300.0   35.9

---

마무리

3부에서는 모멘텀 기반 지표인 RSI, Stochastic Oscillator, CCI를 다뤘습니다. 각 지표는 시장의 과매수 및 과매도 상태를 파악하고, 매수와 매도 신호를 제공합니다. 다음 4부에서는 변동성 및 거래량 지표를 다뤄보겠습니다. 🚀