สร้างแนวรับแนวต้านวิเคราะห์หุ้นด้วย Python

การทำ Portfolio Optimization ด้วย Python

Trend line เป็นเครื่องมือที่สำคัญอย่างหนึ่งสำหรับนักลงทุนทางเทคนิค การสร้าง Trend line ช่วยให้นักลงทุนทราบถึงทิศทางของแนวโน้มและรูปแบบของการเปลี่ยนแปลงของราคา

โดยปกตินักวิเคราะห์จะสร้างเส้นสองเส้นคือแนวต้านที่กรอบด้านบนของราคาและแนวรับที่กรอบด้านล่างของกราฟ เราสามารถใช้ 2 จุดนี้ในกราฟ เพื่อหาจุดกลับตัวของราคา หรือการเปลี่ยนแปลงเเนวโน้ม

สมมติว่าเรามีจุดราคาที่ต่ำกว่า 2 จุดในแผนภูมิและลากเส้นแนวโน้ม เมื่อราคาปัจจุบันถึงเส้นแนวโน้มขาขึ้นเส้นโค้งราคาอาจมีการตีกลับภายในแนวโน้ม หรือหากราคาทะลุใต้เส้นแนวโน้มขาขึ้นที่ลากด้วยจุดต่ำกว่าก็สามารถคิดได้ว่าราคาน่าตจะลดลงอย่างรวดเร็ว

เรามาเริ่มกันเลย

Import_libery

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import pandas_datareader as web
import datetime
from scipy.stats import linregress
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import LabelEncoder
from sklearn.metrics import mean_squared_error

ดึงข้อมูล

เราจะดึงข้อมูลจาก yahoo_finance เหมือนทุกที

from pandas_datareader import data as pdr
import fix_yahoo_finance as yf
yf.pdr_override() # <== that's all it takes :-)

ใช้ DJI นะครับ

# ===========
today = "2020-03-01"  # to make static this script.
tckr = '^DJI'
# download data
data = pdr.get_data_yahoo(tckr, "2005-01-01", today)
# add frequency needed for some pandas functionalities releated with offsets
data = data.asfreq('B')
data.columns = data.columns.map(lambda col: col.lower())

จัดการค่า Na ซะ

data = data.dropna()

สร้างเส้น Trend line dummy

x = np.array([2, 7])
y = np.array([5, 15])
slope, intercept, r_value, p_value, std_err = linregress(x, y)
print("slope: %f, intercept: %f" % (slope, intercept))
print("R-squared: %f" % r_value**2)

ลองสร้างกราฟดู

plt.figure(figsize=(15, 5))
plt.plot(x, y, 'o', label='original data')
plt.plot(x, intercept + slope*x, 'r', label='fitted line')
plt.legend()
plt.grid()
plt.show()

สร้างเส้นแนวรับและแนวต้าน

เพิ่มคอลัมน์ “number” และให้ค่าตัวเลขจาก 1 ดังต่อไปนี้

data_len = len(data)
data['number'] = np.arange(data_len)+1
data_high = data.copy()
data_low = data.copy()
data.tail()

สร้างแนวต้าน

while len(data_high)>2:
slope, intercept, r_value, p_value, std_err = linregress(x=data_high['number'], y=data_high['high'])
data_high = data_high.loc[data_high['high'] > slope * data_high['number'] + intercept]
data_high.tail()

สร้างแนวรับ

while len(data_low)>2:
slope, intercept, r_value, p_value, std_err = linregress(x=data_low['number'], y=data_low['low'])
data_low = data_low.loc[data_low['low'] < slope * data_low['number'] + intercept]
data_low.tail()

เอาแนวต้านและแนวรับมารวมกัน

slope, intercept, r_value, p_value, std_err = linregress(x=data_high['number'], y=data_high['close'])
data['uptrend'] = slope * data['number'] + intercept
data.tail()

ลองสร้างกราฟเลย

fig, ax1 = plt.subplots(figsize=(15,10))
color = 'tab:green'
xdate = [x.date() for x in data.index]
ax1.set_xlabel('Date', color=color)
ax1.plot(xdate, data.close, label="close", color=color)
ax1.tick_params(axis='x', labelcolor=color)
ax1.legend()
ax2 = ax1.twiny() # ax2 and ax1 will have common y axis and different x axis, twiny
ax2.plot(data.number, data.uptrend, label="Uptrend")
ax2.plot(data.number, data.downtrend, label="Downtrend")
plt.legend()
plt.grid()

เรียบร้อย

สามารถ ดู Note book ได้ที่ https://colab.research.google.com/drive/1-JxbhSPm-izguCx1t6vSEGyLEcuYYTOz?usp=sharing

อ่านตอนอื่นๆได้ที่

1. การคำนวณผลตอบแทนการลงทุนด้วย Python
2. การหาความผันผวนของพอร์ตการลงทุนด้วย Python
3. การหา Max Drawdown ด้วย Python
4. การวัด การเบี่ยงเบนของผลตอบแทนด้วย Python
5. การวัด SemiDeviation ด้วย Python
6. การวัด VaR. และ CVaR. ด้วย Python
7. รีวิวการใช้ ffn. ใน Python
8. การหา Top Drawdown ด้วย Python
9. การหาค่า Sharpe ratio ด้วย Python
10. การหากลุ่มหลักรัพย์ที่เส้นประสิทธิภาพ Efficient Frontier ด้วย Python
11. การหา shape ratio สูงสุดและเส้น CML ด้วย Python
12. การสร้างมูลค่าตลาดแบบถ่วงน้ำหนักด้วย PYTHON
13. ข้อจำกัดของการกระจายความเสี่ยงและการทำประกันพอร์ตการลงทุน
14. การจำลอง ผลตอบแทนด้วย RANDOM WALK Generation และ Montecarlo simulation
15. Sharpe Style Analysis
16. Factor Investing ด้วย Python
17. วิเคราะห์ ประเภทกองทุนรวมด้วย Python
18. การทำ Portfolio optimization
19. สร้างแนวรับแนวต้านวิเคราะห์หุ้นด้วย Python