기술적 분석 도구

마지막 업데이트: 2022년 3월 3일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기

기술적 분석 도구

페어트레이딩 (Pairs Trading) - 기초(21)

기술적 분석 (Technical Analysis)에 대해서는 의견이 분분하다. 기술적 분석에 많은 의미를 두는 투자자가 있는 반면, 별로 의미를 두지 않는 투자자도 있다. 어느 쪽이 맞는지는 사실 알 수가 없다. 기술적 분석의 신뢰성에 대해서는 이론적으로 밝히기가 어렵기 때문이다. 그러나 오랜 동안 많은 사람들이 기술적 분석 도구들을 연구하고 사용해 온 것을 보면 그 영향력은 매우 크다고 할 수 있겠다.

기술적 분석에 대해서는 필자도 전문가가 아니므로 무어라 논할 수는 없다. 다만 한 가지만 언급하고 싶은 게 있다면, 주가 차트에서 종목의 개별 특성을 분리해서 새로운 차트를 만든 후 기술적 분석을 해 보면 유용하다는 것이다. 이 차트가 바로 페어트레이딩의 스프레드 차트가 되고, 스프레드 차트를 기술적으로 분석해 보는 것이 된다.

주가 차트에서 시장요인을 분리하는 것에 대해 먼저 알아보자. 시장을 분리한 개별 종목의 순수 주가 차트에 대해 기술적 분석을 적용해 보면, 보통의 기술적 분석 차트에는 나타나지 않던 것이 나타날 수도 있다.

어떤 종목의 주가의 변화는 시장요인과 종목의 개별요인의 합으로 구성된다 (CAPM의 단일요인모형인 시장모형에 의하면).

* 종목의 주가 변화 = 시장요인 + 종목의 개별요인

시장요인이 무엇인지는 불분명하지만, 만약 시장요인을 종합지수 요인으로 가정해 본다면, 어떤 종목의 주가를 시장과 개별요인으로 분리해서, 각각을 기술적 분석 도구 따로따로 분석해 볼 수 있다. 따로따로 분석하는 경우의 의사결정은 아래와 같을 것이다.

방향성 투자의 경우 어떤 종목의 주가가 시장요인과 개별요인 모두 상승이 예측된다면, 투자자는 강력 매수의 의사결정을 내릴 것이다. 반면에 시장요인은 좋지만 개별요인이 하락할 것으로 예측한다면 기술적 분석 도구 매수의 의사결정을 내리기 어려울 것이다. 예를 들어 종합지수는 오를 것 같으나, 삼성전자의 개별요인이 좋지 않다면 삼성전자를 매수할 필요가 없다.

참고로, 페어트레이딩의 경우는 시장요인을 제거한 상태이므로, 방향성 투자자의 의사결정과는 차이가 있다. 어느 쪽의 의사결정이든 각자의 투자 성향에 따른 장점과 단점이 있는 것이다.

시장요인을 제거하고 개별요인만을 분석하는 방법에 대해 자세히 살펴보자. 만약 시장요인을 종합지수로 가정한다면 위의 식을 아래와 같이 (식-1)로 쓸 수 있다. 또한, 각 요인을 수익률을 기준으로 분리해 보면, 어떤 종목의 시장에 대한 민감도가 베타이므로 (식-2)와 같이 표현할 수 있다.

* 종목의 주가 변화 = 종합지수 변화 + 종목의 개별요인 ---- (식-1)

종목의 개별요인 = 종목의 주가 변화 - 종합지수 변화

개별요인에 의한 순 수익률 = 주가의 수익률 - 베타 * 종합지수의 수익률 ---- (식-2)

예를 들어 삼성전자의 주가 차트를 이용하여 개별요인을 분리해 보면 아래 그림과 같다. 아래 그림에서 2009년 9월 29일의 경우 삼성전자의 수익률은 +2.01% 였고, KOSPI의 수익률은 +0.87% 였다. 이것은 삼성전자의 시장요인이 +0.87% 이고, 개별요인은 +1.14% 라는 것이다. 조금 더 정확히 말해, 베타를 고려하면 시장요인은 +0.87% * 1.03 이고, 개별요인은 +1.12%가 된다. 삼성전자 수익률 중 0.87%는 시장이 오름에 따라 덩달아 오른 것이고, +1.12%는 실제로 삼성전자가 오른 것이다. 시장을 따라 덩달아 오른 부분은 순수한 삼성전자의 특성이 아니므로 차감해 준다. 이런 논리로 삼성전자의 개별요인에 의한 주가 차트를 생성해 보면 아래 그림의 차트가 된다 (시장요인은 그대로 종합지수의 차트이다).

* 셀(F6) = 셀(D6) - 셀(E2) * 셀(E6)

셀(G5) = 100 (새로 생성할 주가의 초기값인 임의의 숫자)

셀(G6) = 셀(G5) * (1 + 셀(F6))

HTS 등에서 제공하는 대부분 차트는 시장요인이 포함된 상태에서 분석한 차트이다. 종목에 시장요인이 포함되어 있기 때문에, 종목의 개별특성은 시장요인에 가려서 잘 나타나지 않는다. 이를 분리해서 기술적 분석을 적용해 보면 가려져 있던 개별 특성이 살아날 수도 있다.

아래 그림의 (가)는 시장요인을 제거한 순수한 삼성전자의 주가와 볼린저 밴드 차트이고, (나)는 시장요인이 포함된 원래의 삼성전자 차트이다 (2012.2.21 현재). 최근의 상황을 보면 삼성전자의 주가는 계속 상승세를 타고 있다 (그림-나 : MA20 선과 볼린저 밴드가 상승 추세임). 그러나 시장요인을 제거한 상태에서 보면 (그림-가 : MA20, 볼린저 밴드 추세가 꺽임), 최근 추세는 하락세를 보이고 있다. 그 이유는 최근의 상승분은 시장요인이 컸기 때문이다. 이렇게 차트를 시장과 분리해서 보면 유용한 정보를 추가로 얻을 수 있다.

위의 결과대로라면, 앞의 의사결정 테이블에서 시장요인은 (상승), 개별요인은 (하락)에 해당한다. 그러면 방향성 투자자는 중립의 의견일 것이고, 페어트레이더는 매도 포지션 진입일 것이다 (ex: 삼성전자 공매 + 선물 or KODEX200 매수), (이 분석은 본인의 극히 주관적인 생각일 뿐입니다. 각 투자자 마다 모두 기술적 분석 도구 해석이 다를 수 있으므로, 여기서는 결과보다는 내용에만 신경 써 주시기 바랍니다).

여기까지 어떤 종목의 주가를 시장과 분리해서 개별특성에 대해서만 분석하는 것에 대해 알아보았다. 위에서 길게 설명하였지만, 간단히 말하면 종목의 개별특성에 대한 차트가 바로 페어트레이딩의 스프레드 차트가 되는 것이다. 페어트레이딩은 정도의 차이는 있지만 시장요인이 제거된 시장중립전략이므로, 기술적 분석으로 스프레드의 흐름을 분석하는 것은 매수 종목에 대한 개별요인의 흐름을 분석하는 것과 동일하다 (매도 종목을 통해 시장요인을 제거한 것으로 봄).

기술적 분석에 익숙한 투자자라면 스프레드의 기술적 분석을 통해 단기적인 페어트레이딩 전략을 취해 볼 수도 있고, 방향성 투자에 참고할 수도 있다. 원래 페어트레이딩은 스프레드의 장기적 수렴을 기대하는 전략이지만, 단기적으로 짧게 진입과 청산을 반복할 수도 있을 것이다.

분석 도구를 사용하여 복잡한 데이터 분석 수행

복잡한 통계 또는 공학 분석을 개발하려는 경우 분석 도구를 사용하여 많은 시간과 단계를 절약할 수 있습니다. 각 분석에 데이터와 매개 변수를 제공하기만 하면 이 도구에서 통계 또는 공학용 매크로 함수를 사용하여 결과를 계산하고 출력 테이블에 표시합니다. 일부 도구에서는 출력 테이블에 차트를 만들기도 합니다.

데이터 분석 함수는 한 번에 한 워크시트에서만 사용할 수 있습니다. 그룹화된 워크시트에서 데이터 분석을 수행하면 첫 번째 워크시트에 결과가 표시되고 나머지 워크시트에는 서식이 지정된 빈 표가 나타납니다. 나머지 워크시트에서 데이터 분석을 수행하려면 워크시트마다 분석 도구를 다시 계산해야 합니다.

분석 도구에는 다음 섹션에서 설명하는 도구들이 포함되어 있습니다. 이러한 도구를 사용하려면 데이터 탭의 분석 그룹에서 데이터 분석을 클릭합니다. 데이터 분석 명령을 사용할 수 없는 경우에는 분석 도구 추가 기능 프로그램을 로드해야 합니다.

파일 탭을 클릭하고 옵션을 클릭한 다음 추가 기능 범주를 클릭합니다.

관리 상자에서 Excel 추가 기능을 선택한 다음 이동을 클릭합니다.

Mac용 Excel에서는 파일 메뉴에서 도구 > Excel 추가 기능으로 이동합니다.

추가 기능 상자에서 분석 도구 확인란을 선택하고 확인을 클릭합니다.

이때 사용 가능한 추가 기능 상자의 목록에 분석 도구가 없으면 찾아보기를 클릭하여 찾습니다.

분석 도구가 현재 컴퓨터에 설치되어 있지 않다는 메시지가 나타나면 를 클릭하여 설치합니다.

참고: 분석 도구용 VBA(Visual Basic for Application) 함수를 포함하려면 분석 도구를 로드할 때와 같은 방법으로 분석 도구 - VBA 추가 기능을 로드할 수 있습니다. 사용 가능한 추가 기능 상자에서 분석 도구 - VBA 확인란을 선택합니다.

분산 분석 도구는 다양한 유형의 분산 분석을 제공합니다. 검사할 모집단의 표본 수와 인자 수에 따라 다른 도구를 사용해야 합니다.

분산 분석: 일원 배치법

이 도구는 두 개 이상의 샘플에 대한 데이터에 대한 간결한 분석을 수행합니다. 이 분석은 각 샘플이 모든 샘플에 대해 동일하지 않다는 대체 가설에 대해 동일한 기조 확률 분포에서 각 샘플이 그려지는 가설의 테스트를 제공합니다. 샘플이 두 개뿐인 경우 워크시트 함수 T를 사용할 수있습니다.테스트입니다. 두 개 이상의 샘플을 사용할 경우 T의 편리한 일반화가없습니다.TEST및 Single Factor Anova 모델을 대신 호출할 수 있습니다.

분산 분석: 반복 있는 이원 배치법

이 분석 도구는 데이터를 두 가지 다른 차원에 따라 분류할 수 있는 경우에 유용합니다. 예를 들어 식물의 높이를 측정하는 실험에서 각 식물에는 A, B, C와 같은 서로 다른 상표의 비료를 사용할 수 있고 저온 및 고온과 같이 서로 다른 배양 온도를 유지할 수 있습니다. 가능한 여섯 가지 쌍에 대해 각각 동일한 횟수로 식물의 높이를 측정합니다. 여기에서 이 분산 분석 도구를 사용하면 다음을 검정할 수 있습니다.

서로 다른 상표의 비료를 사용한 식물의 높이가 동일한 기본 모집단에서 추출되었는지 여부. 이 분석에서는 온도가 무시됩니다.

서로 다른 온도에서 배양된 식물의 높이가 동일한 기본 모집단에서 추출되었는지 여부. 이 분석에서는 비료 상표가 무시됩니다.

1번 항목에서 확인된 비료 상표 차이에 의한 영향과 2번 항목에서 확인된 온도 차에 의한 영향을 고려했을 때 모든 값 쌍을 나타내는 여섯 개의 표본이 동일한 모집단에서 추출되었는지 여부. 특정 쌍으로 인한 효과가 비료나 온도의 차이만으로 인한 효과를 뛰어 넘는다는 대체 가설을 세울 수도 있습니다.

분산 분석: 반복 없는 이원 배치법

이 분석 도구도 반복 있는 이원 배치법과 같이 데이터를 두 가지 다른 차원에 따라 분류할 수 있는 경우에 유용합니다. 그러나 이 도구에서는 이전 예제의 쌍과 같은 각 쌍을 한 번만 관측한다고 가정합니다.

CORRELPEARSON 워크시트 함수는 N개의 대상 각각에 대해 측정이 수행된 경우 두 측정 변수 사이의 상관 계수를 계산합니다. 측정이 누락된 대상은 분석에서 무시됩니다. 상관 관계 분석 도구는 N개의 대상에 각각 측정 변수가 세 개 이상일 때 특히 유용합니다. 분석 결과 테이블에는 가능한 각 측정 변수 쌍에 적용된 CORREL 또는 PEARSON 값을 보여 주는 상관 행렬이 출력됩니다.

상관 계수(기술적 분석 도구 covariance)와 같은 상관 계수는 두 개의 측정 변수가 "서로 다를" 정도를 측정하는 척도입니다. 공변수와 달리 상관 계수는 두 측정 변수가 표현되는 단위와는 관계가 없습니다. 예를 들어 두 측정 변수가 무게와 높이인 경우 무게가 파운드에서 킬로그램으로 변환되는 경우 상관 관계 계수 값은 변하지 않습니다. 상관 관계 계수의 값은 -1과 +1 포괄 값 사이에 있어야 합니다.

상관 관계 분석 도구를 사용하면 각 측정 변수 쌍을 조사하여 두 측정 변수가 상관적으로 변화하는지 판단할 수 있습니다. 즉, 한 변수의 값이 증가하면 다른 변수의 값도 증가하는 양의 상관 관계가 있는지, 한 변수의 값이 감소하면 다른 변수의 값이 증가하는 음의 상관 관계가 있는지 또는 두 변수의 값이 서로 관련되지 않는 0에 가까운 상관 관계가 있는지 여부를 판단할 수 있습니다.

상관 관계 및 Covariance 도구는 둘 다 동일한 설정에서 사용할 수 있습니다. 개인 집합에서 N 다른 측정 변수가 관찰된 경우. 상관 관계 및 코바리안스 도구는 각 측정 변수 쌍 간에 각각 상관 계수 또는 공변수를 보여 주는 출력 테이블, 행렬을 제공합니다. 차이점은 상관 계수는 -1과 +1 포괄적 사이의 거짓말로 조정됩니다. 해당 코바리안은 크기 조정되지 않습니다. 상관 계수와 공변수는 두 변수가 "서로 다른" 범위의 측정값입니다.

Covariance 도구는 워크시트 함수 COVARIANCE의 값을 계산합니다. 각 측정 변수 쌍에 대한 P입니다. (COVARIANCE를 직접 사용). P 대신 Covariance 도구는 두 개의 측정 변수(즉, N=2)가 있는 경우 적절한 대안입니다. 행 i의 Covariance 도구의 출력 테이블의 대각선 항목인 열 i는 i-th 측정 변수 자체의 공변수입니다. 워크시트 함수 VAR에의해 계산된대로 해당 변수에 대한 인구변동입니다.P.

공 분산 도구를 사용하면 각 측정 변수 쌍을 조사하여 두 측정 변수가 상관적으로 변화하는지 판단할 수 있습니다. 즉, 한 변수의 값이 증가하면 다른 변수의 값도 증가하는 양의 공 분산인지, 한 변수의 값이 감소하면 다른 변수의 값이 증가하는 음의 공 분산인지 또는 두 변수의 값이 서로 관련되지 않는 0에 가까운 공 분산인지 여부를 판단할 수 있습니다.

기술 통계법 분석 도구는 입력 범위의 데이터에 대한 일변량 통계 보고서를 만들어 데이터의 중심 추세와 변동성에 대한 정보를 제공합니다.

지수 평활법 분석 도구는 이전 예측값을 기준으로 이전 예측의 오차를 수정한 새 예측값을 구합니다. 이 도구에서는 이전 예측의 기술적 분석 도구 오차가 예측값에 반영되는 정도를 나타내는 평활 상수 a를 사용합니다.

참고: 0.2~0.3의 값은 적절한 부드러운 상수입니다. 이러한 값은 이전 예측의 오류에 대해 현재 예측이 20%에서 30%로 조정해야 한다고 나타냅니다. 상수가 클수록 응답 속도가 빨라지지만 오차 없는 프로젝션이 생성될 수 있습니다. 상수가 작을수록 예측 값에 대한 시간이 길어지게 될 수 있습니다.

분산에 대한 두 표본 F-검정 분석 도구는 두 표본 F-검정을 수행하여 두 모집단 분산을 비교합니다.

예를 들어 두 수영 팀의 각 수영 기록에서 시간 표본에 대해 F-검정 도구를 사용할 수 있습니다. 이 도구는 두 분산의 기본 분포가 일치하지 않는다는 반대 가설에 대해 두 표본이 동일한 분산을 갖는 분포에서 추출되었다는 영가설 검정 결과를 제공합니다.

푸리에 분석 도구는 FFT(고속 푸리에 변환) 기법을 통해 데이터를 변환하는 방법으로 선형 시스템의 문제를 해결하고 주기적인 데이터를 분석합니다. 또한 변환된 데이터의 역이 원래 데이터가 되는 역변환 기능도 지원합니다.

히스토그램 분석 도구는 데이터 및 데이터 계급 구간 셀 범위에서 개별 및 누적 빈도를 계산합니다. 이 도구는 데이터 집합에서 값이 나오는 횟수에 대한 데이터를 생성합니다.

예를 들어 학생이 20명인 반에서 학점별 점수 분포를 확인할 수 있습니다. 히스토그램 테이블에서는 학점별 경계 및 최소 경계와 현재 경계 사이에 있는 점수의 개수를 보여 줍니다. 가장 많이 발생하는 단일 점수는 데이터의 최빈값입니다.

팁: Excel 2016에서 이제 히스토그램 또는 파레토 차트를 만들 수 있습니다.

이동 평균 분석 도구는 지정된 지난 기간 동안 변수의 평균값을 기준으로 특정 기간의 값을 예측합니다. 이동 평균은 모든 누적 데이터의 단순 평균에서는 알 수 없는 추세 정보를 제공합니다. 이 도구를 사용하여 판매량, 재고량, 기타 추세를 예측할 수 있습니다. 각 예상 값은 다음 수식으로 계산됩니다.

N은 이동 평균에 포함할 이전 기간의 수입니다.

A jj 시점의 실제 값입니다.

F jj 시점의 실제 값입니다.

난수 생성 분석 도구는 여러 분포 중 하나에서 추출한 독립 난수로 범위를 채웁니다. 이 과정을 통해 모집단 구성원의 특징을 확률 분포로 나타낼 수 있습니다. 예를 들어 개인의 신장에 대한 모집단의 특징을 정규 분포로 나타내거나, 동전 던지기 결과에 대한 모집단의 특징을 두 가지 가능성에 대한 베르누이 분포로 나타낼 수 있습니다.

순위 및 백분위수 분석 도구는 데이터 집합에서 각 값의 정수 및 백분율 순위를 포함하는 표를 생성합니다. 데이터 집합에서 값의 상대적 순위를 분석할 수 있습니다. 이 도구는 워크시트 함수 RANK를 사용합니다. EQPERCENTRANK입니다. INC. 묶은 값을 고려하려면 RANK를 사용합니다. 묶은 값을 동일한 순위를 갖는 것으로 처리하거나 RANK를 사용하는 EQ 함수입니다.묶은 값의 평균 순위를 반환하는 AVG 함수입니다.

회귀 분석 도구는 "최소 자승법"을 사용하여 관측값 집합을 통과하는 선을 근접시키는 방법으로 선형 회귀 분석을 수행합니다. 이 도구를 통해 하나 이상의 독립 변수 값이 단일 종속 변수에 주는 영향을 분석할 수 있습니다. 예를 들어 나이, 신장 및 체중 등의 인자가 육상 선수의 기록에 주는 영향을 분석할 수 있습니다. 기록 데이터 집합을 바탕으로 기록 측정에서 세 인자에 각각 기여도를 배분한 다음 결과를 사용하여 아직 테스트하지 않은 선수의 기록을 예측할 수 있습니다.

회귀 도구는 워크시트 함수 LINEST 를 사용합니다.

표본 추출 분석 도구는 입력 범위를 모집단으로 하여 모집단에서 표본을 추출합니다. 모집단이 너무 커서 데이터를 처리할 수 없거나 차트를 만들 수 없는 경우 모집단을 대표하는 표본을 사용할 수 있습니다. 또한 입력 데이터에서 주기성이 발견되는 경우 하나의 주기에서 특정 부분의 값만 포함된 표본을 만들 수 있습니다. 예를 들어 입력 범위에 분기별 매출액이 들어 있는 경우 주기율을 4로 지정하여 표본을 추출하면 같은 분기의 값이 출력 범위에 나타납니다.

Two-Sample t-Test 분석 도구는 채우기의 등가에 대한 테스트로 각 샘플을 밑바로 합니다. 세 가지 도구는 다른 가정을 사용합니다. 즉, 인구의 차가 같고, 인구의 배분이 같지 않다는 점, 두 샘플이 동일한 주제에 대한 전처리 및 후처리 관측을 나타내고 있습니다.

t-검정: 두 표본 쌍의 평균

표본 그룹이 실험 전과 실험 후 두 번 검사될 때와 같이 표본 관측이 자연스럽게 쌍을 이루는 경우 쌍체 검정을 사용할 수 있습니다. 이 분석 도구와 수식에서는 쌍을 이루는 두 표본 스튜던트 t-검정을 수행하여 처리 전과 처리 후의 관측 결과가 모집단 평균이 동일한 분포에서 나온 것인지 확인할 수 있습니다. 이 형태의 t-검정에서는 두 모집단의 분산이 동일하다는 가정을 하지 않습니다.

참고: 이 도구에서는 데이터가 평균 주위로 흩어진 정도를 누적하여 측정하는 공동 분산을 산출합니다. 공동 분산은 다음 수식에 따라 도출됩니다.

t-Test: 등분산 가정 두 표본

이 분석 도구는 2개의 샘플 학생의 t-Test를 수행합니다. 이 t-Test 양식은 두 데이터 집합이 동일한 분산이 있는 배포에서 온 것으로 가정합니다. 이를 homoscedastic t-Test라고 합니다. 이 t-Test를 사용하여 두 샘플이 동일한 채우기 수단이 있는 배포에서 제공될 가능성이 있는지 여부를 확인할 수 있습니다.

t-Test: 등분산 가정 두 표본

이 분석 도구는 2개의 샘플 학생의 t-Test를 수행합니다. 이 t-Test 양식은 두 데이터 집합이 불평등한 분산이 있는 배포에서 온 것으로 가정합니다. 이를 이테로세스틱 t-Test라고 합니다. 이전의 등 분산 사례와 마찬가지로 이 t-Test를 사용하여 두 샘플이 동일한 채우기 수단이 있는 배포에서 제공될 가능성이 있는지 여부를 확인할 수 있습니다. 두 샘플에 고유한 과목이 있는 경우 이 테스트를 사용합니다. 단일 과목 집합이 있는 경우 다음 예제에 설명된 페어링된 테스트를 사용하며, 두 샘플은 처리 전후의 각 주제에 대한 측정값을 나타내는 경우를 사용합니다.

다음은 통계값 t를 구하는 수식입니다.

다음 수식은 자유도 df를 계산하는 데 사용됩니다. 계산 결과는 일반적으로 정수가 아니기 때문에 df 값은 가장 가까운 정수로 반올라져 t 테이블에서 중요한 값을 얻습니다. Excel 워크시트 함수 T.TEST는 T 에 대한 값을 계산할 수 있기 때문에 반올링하지 않고 계산된 df값을 사용합니다.비integer df를 통해 테스트합니다. 이러한 다양한 접근 방식 때문에 자유도, T 의 결과를 결정해야 합니다.TEST 및 이 t-Test 도구는 불평등한 차이 사례에서 다릅니다.

z-Test: 두 개의 샘플 for Means 분석 도구는 알려진 다차를 사용하여 두 개의 샘플 z-Test를 수행합니다. 이 도구는 양면 또는 양면 대체 가설에 대해 두 인구 수단 간에 차이가 없음을 null 가설을 테스트하는 데 사용됩니다. 배분을 알 수 없는 경우 워크시트 함수 Z 입니다.TEST를 대신 사용해야 합니다.

차트분석 무작정 따라하기

2015년 출간한 《차트분석 무작정 따라하기》의 4차 개정판. 저자의 40년의 현장 경험과 분석 노하우를 바탕으로 차트분석에 대한 기본적 분석과 기술적 분석을 모두 상세하게 설명하고 있다.

개인투자자들도 쉽고 재미있게 기술적 분석기법을 공부할 수 있도록 실제 투자 전문가가 활용하고 있는 8개의 분석기법을 선정해 무작정 따라하기 예제로 구성하였다. 이 책을 통해 차트분석의 기초 이론을 쌓고, 실전 예제를 통해 제대로 익혀보자. 난해했던 차트가 어느 순간부터 말을 걸어올 것이다.

-----------------------------------------
차트분석 감잡기
-----------------------------------------
01장 미래 주가를 예측하는 3가지 기법
미래 주가는 신도 모른다?
미래 주가를 예측하는 3가지 기법
주가 예측 기법 ① 기본적 분석
[잠깐만요] 기업의 가치는 무엇을 기준으로 어떻게 평가할까?
주가 예측 기법 ② 차트분석(기술적 분석)
주가 예측 기법 ③ 포트폴리오 이론
[잠깐만요] 차트분석의 5가지 원리

02장 차트분석의 종류와 유형
차트분석의 종류
차트분석의 지표 유형
[잠깐만요] 분석 도구에 따른 주가 예측 기법의 종류
[무따기] 차트분석의 기본 - HTS로 그래프 보기

-----------------------------------------
차트, 이것만 알아도 기본은 한다!
-----------------------------------------
03장 봉차트와 주가 파동 이론
봉차트란?
봉의 구성과 의미
[잠깐만요] 봉에 관한 동양과 서양의 차이
봉의 종류와 그 의미
연결봉으로 주가 예측하기
[잠깐만요] 섬꼴 바닥형과 섬꼴 천정형
[무따기] 추세 반전형 봉과 갭 알아보기
[무따기] 봉으로 주가 흐름 알아보기
[무따기] 그래프에서 봉의 유형과 의미 알아보기
[잠깐만요] 봉을 볼 때 참고할 점 3가지
주가 파동 이론
[잠깐만요] 많이 떨어진 종목이 유리하다?

04장 추세 분석을 이용한 매매방법
추세 분석이란?
[잠깐만요] 추세대란 무엇이고 어떻게 활용할까?
추세 분석을 이용한 매매방법 4가지
[무따기] 추세선으로 매매시점 알아보기
[무따기] 지지선과 저항선으로 매매시점 알아보기
[잠깐만요] 팬의 원리란?
[잠깐만요] 갠의 이론이란?
[무따기] 추세선의 기울기로 매매시점 알아보기
추세 분석의 한계와 보완방법
[잠깐만요] 추세 형성 기간에 따른 추세선의 분류와 활용 요령
[무따기] 추세 분석과 MACD, 스토캐스틱으로 매매시점 알아보기

05장 이동평균선을 이용한 매매방법
이동평균선이란?
이동평균선의 종류 ① 주가 이동평균선
[잠깐만요] 이동평균선의 기간별 평균 주가 산출방법
이동평균선의 종류 ② 거래량 이동평균선
주가와 이동평균선의 관계
이동평균선을 이용한 매매방법 4가지
[잠깐만요] 매수·매도의 출발선인 5일선과 주가 생명선인 20일선
[무따기] 이동평균선으로 주가 예측하기 1
장·단기 이동평균선의 배열을 보고 매매시점 판단하기
[잠깐만요] 골든크로스와 데드크로스도 경우에 따라 달리 해석한다!
이동평균선의 예상 진로로 주가 예측하기
[무따기] 이동평균선으로 주가 예측하기 2
[잠깐만요] 존 머피의 10가지 ‘시스템 트레이딩’ 원칙

06장 패턴 분석을 이용한 매매방법
패턴 분석이란?
패턴 분석의 한계와 보완방법
[무따기] 패턴 분석으로 매매시점 알아보기

07장 거래량 분석을 이용한 매매방법
거래량 분석이란?
거래량을 보고 주가 예측하기
거래량 이동평균선과 거래대금 이동평균선
[잠깐만요] 거래량이 많다 적다는 무엇을 기준으로 할까?
거래량 분석의 보조지표 OBV선
[무따기] OBV선으로 매매시점 알아보기

09장 MACD 활용하기
추세 분석 지표 MACD
MACD를 이용한 주가 예측방법 4가지
[잠깐만요] 다이버전스 트랩이란?
MACD 활용방법 정리하기
MACD 활용 시 반드시 알아야 할 3가지
MACD를 이용한 매수·매도방법 총정리
[잠깐만요] MACD를 이용할 때도 추세, 이동평균선, 패턴 분석이 필요하다!
[무따기] MACD를 활용해 매매시점 알아보기
[잠깐만요] MACD 오실레이터란?

10장 스토캐스틱 활용하기
스토캐스틱의 원리와 계산방법
스토캐스틱 활용방법 5가지
[잠깐만요] 스토캐스틱에도 패턴이 있다!
[무따기] 스토캐스틱과 MACD로 주가 예측하기 1
스토캐스틱을 이용한 매매원칙과 주의할 점
[잠깐만요] 스토캐스틱 재확인이란?
[무따기] 스토캐스틱과 MACD로 주가 예측하기 2

11장 일목균형표 활용하기
일목균형표란?
일목균형표의 작성원리
일목균형표 활용방법 4가지
[잠깐만요] 추세 변곡점은 어느 시점의 구름을 보고 판단할까?
[무따기] 일목균형표를 이용해 주가 변동 알아보기

12장 볼린저밴드 활용하기
볼린저밴드란?
볼린저밴드 이론 살펴보기
볼린저밴드 활용방법 4가지
[잠깐만요] 인벨로프(Envelope)와 MAC 지표
[무따기] 볼린저밴드로 매매시점 알아보기

13장 기타 보조지표 활용하기
1. 투자심리선
2. 이격률
[무따기] 이격률로 매매시점 알아보기
3. 삼선전환도
4. P&F차트
5. 역시계곡선(주가 - 거래량 상관곡선)
6. CCI
7. RSI
[잠깐만요] Failure Swings를 이용한 매매방법
8. DMI와 ADX
9. CO(Chaikin’s Oscillator)
10. 그물차트
[잠깐만요] 단기 추세 확인은 피벗 라인으로!
차트가 애매하거나 서로 다른 신호를 보낼 때는?

-----------------------------------------
진검 승부를 위한 매매원칙 총정리
-----------------------------------------
14장 주식시장 대세를 읽어라!
대세 판단법 ① 차트로 대세 판단하기
대세 판단법 ② 엘리어트 파동이론으로 대세 판단하기
[잠깐만요] 피보나치 수열이란?
대세 판단법 ③ 다우의 시장 6국면으로 대세 판단하기
대세 판단법 ④ 우라카미의 장세 4단계로 대세 판단하기
[잠깐만요] 장세별 주도업종은 어떤 것이 있을까?

15장 차트분석으로 종목 선정하기
주식시장 대세 판단방법 2가지
주식시장 대세에 따른 투자전략
[잠깐만요] 돈의 흐름이 시장의 높낮이를 결정한다!
개별종목 고르는 방법 2가지
[잠깐만요] 그래프는 보기 쉬운 것이 미인이다!

16장 돈 되는 매매 타이밍을 잡아라!
주식 매수시점 요약정리 ① 기본지표를 이용한 매수시점
주식 매수시점 요약정리 ② 보조지표를 이용한 매수시점
주식 매수시점 요약정리 ③ 그밖의 보조지표를 활용할 때
[잠깐만요] 매수주문 시 체크 사항
주식 매도시점 요약정리 ① 기본지표를 이용한 매도시점
주식 매도시점 요약정리 ② 보조지표를 이용한 매도시점
주식 매도시점 요약정리 ③ 그밖의 보조지표를 활용할 때
[잠깐만요] 손절매도와 물타기는 언제 어떻게 할까?

-----------------------------------------
투자하기 전 꼭 읽어야 할 모의투자 10선
-----------------------------------------
문제 ① 삼성전자 주가 예측하기
문제 ② 카카오 주가 예측하기
문제 ③ 삼성바이오로직스 주가 예측하기
문제 ④ 삼성SDI 주가 예측하기
문제 ⑤ 엘앤에프 주가 예측하기
문제 ⑥ 삼성증권 주가 예측하기
문제 ⑦ 알파벳A 주가 예측하기
문제 ⑧ 테슬라 주가 예측하기
문제 ⑨ 화이자 주가 예측하기
문제 ⑩ 비트코인 가격 예측하기

업비트 투자자보호센터

흔히 차팅(charting)이라고도 불리는 기술적 분석은 이전의 가격 변동과 거래량을 바탕으로 미래의 시장 추세를 예측하는 분석 의 한 유형입니다. 자산 가격과 관련된 복합적인 요소를 고려하는 기본적 분석과 다르게 기술적 분석은 과거 가격 변동 기록에 초점 을 맞추고 있습니다. 따라서 자산의 가격 변동과 거래량 데이터를 분석하는 도구로 활용되며 많은 트레이더들이 추세와 함께 활용하고 있습니다.

기술적 분석의 가정은 일반적으로 시간이 지남에 따라 식별할 수 있는 추세로 이어진다 는 것입니다. 즉, 전반적인 시장 분위기를 대변하는 수요와 공급의 시장 지배력을 분석 합니다. 이는 높은 거래량과 변동성을 갖춘 시장에서는 어느 정도 신뢰할 수 있고 효과적입니다. 또한 거래량이 많은 시장은 가격 조작과 비정상적인 외부의 영향을 덜 받습니다.

트레이더는 기술적 분석 지표를 통해 기존의 추세를 파악하고 향후 진행될 수 있는 추세에 대한 통찰력 있는 정보를 제공받을 수 있습니다. 하지만 기술적 지표가 맞지 않을 수도 있기 때문에 일부 트레이더들은 위험을 줄이기 위한 방법으로 여러 지표를 사용하기도 하는데요. 시장에서 널리 사용되는 대표적인 기술적 분석 지표는 아래와 같습니다.

이동 평균선(MA, moving averages)

이동 평균이란 전체 데이터의 집합에서 특정 크기의 부분 집합에 대한 일련의 평균 을 의미하며 가격 움직임을 보여주고 추세의 방향을 강조합니다.

가장 많이 사용되는 이동 평균은 단순 이동 평균(SMA, simple moving average)과 지수 이동 평균(EMA, exponential moving average)입니다. 단순 이동 평균은 특정 기간 동안의 가격 데이터를 참조해 평균을 산출하며 지수 이동 평균은 이전 종가보다 최근 종가에 가중치를 최근의 가격 움직임에 보다 민감하게 반응합니다.

상대강도지수(RSI, relative strength index)

상대강도지수는 자산이 과매수 또는 과매도되고 있는지를 알려주는 보조지표 입니다. 일정 기간 동안 자산 가격의 이전 가격에 비한 상승분과 하락분의 평균값을 구하여 상승분이 크면 과매수, 하락한 변화량이 크면 과매도로 판단합니다.

상대강도지수는 0에서 100 사이의 값을 가지며 일반적으로 상대강도지수가 70이 넘을 경우 자산이 과매수 되고 있으며 30 아래일 경우 과매도 되고 있다고 해석합니다. 따라서 상대강도지수가 양 극단에 위치할 경우 추세가 전환되거나 끝날 수 있다는 것을 의미할 수 있습니다.

볼린저 밴드(bollinger bands)

볼린저 밴드는 시장 변동성을 측정하는 동시에 과매수와 과매도 상태를 파악 하는데 사용됩니다.

볼린저 밴드는 중간 선(단순 이동 평균선), 위쪽 선, 아래쪽 선, 총 세 개의 선으로 구성되는데요. 위쪽 선과 아래쪽 선은 일반적으로 중간 선의 표준 편차로 계산되며 변동성이 증가하거나 감소하면 밴드의 폭 또한 커지거나 줄어듭니다.

보통 가격이 위쪽 선에 가까워질수록 차트상의 자산은 과매수 상태에 가깝다는 것을 의미합니다. 반대로 가격이 아래쪽 선에 가까워질수록 과매도 상태일 수 있음을 뜻합니다. 대부분의 경우 가격은 밴드 안에 있기 마련이지만 드물게 아래나 위를 돌파하기도 합니다. 이러한 경우 그 자체로 트레이딩 신호는 아닐 수 있지만 극단적인 시장 상황을 보여주는 것일 수 있습니다.


0 개 댓글

답장을 남겨주세요