テクニカル指標
technical_indicator

HOME > テクニカル指標 > ウィリアムズA/D（Williams A/D）

2019/05/23

ウィリアムズA/D（Williams A/D）

概要

図１　Williams A/Dの描画例

　ラリー・ウィリアムズ（Rarry Williams）氏によって考案された。オシレータ系テクニカル指標です。一般的なA/Dラインは取引出来高に関する指標ですが、このWilliams A/DはA（Accumulation）とD（Distribution）の累積値を使用してグラフ化し、トレンド転換のタイミングを計るために使用します。
Aとは買い方のエネルギーによる値上がり、Dとは売り方のエネルギーによる値下がりの値でそれぞれトゥルーハイ（TRH）とトゥルーロー（TRL）を使用し計算します。これは一般的な出来高を使ったA/Dラインを値幅で置き換えたものです。

計算方法（日足の場合）

　TRHとTRＬは前日の終値と当日の高値および安値から計算します。前日終値と当日高値を比較しどちらか大きい方がTRH、前日終値と当日安値を比較しどちらか小さい方がTRLとなります。

$$ \rm{} TRH = Max(前日終値, 当日高値)\\ TRL = Min(前日終値, 当日安値)\\ $$

次に、TRHとTRLを当日終値と比較しA/Dを計算します。

$$ \rm{} 当日終値>前日終値の場合 \\ A/D = 当日終値 – TRH　\\ 当日終値<前日終値 \\ A/D = 当日終値 - TRL \\ それ以外の場合 \\ A/D = 0 \\ ウィリアムズA/D = 当日A/D + 前日のウイリアムズA/D $$

それでは実際に計算してみましょう。

日数	終値	安値	高値	TRH	TRL	A/D	ウィリアムズA/D
1日目	1000	997	1057	–	–	–	–
2日目	1050	1040	1074	1074	1000	-24	–
3日目	1070	1157	1073	1073	1050	-3	-27
4日目	1060	1056	1082	1082	1056	4	1
5日目	1080	1078	1101	1101	1060	-21	-17
6日目	1100	1095	1155	1155	1080	-55	-76
7日目	1150	1112	1158	1158	1112	-8	-63
8日目	1120	1113	1132	1150	1113	7	-1
9日目	1130	1094	1134	1134	1094	-4	3
10日目（最新）	1100	1040	1112	1112	1040	60	56

上で分かるように上昇局面ではWilliams A/Dは前日終値と当日高値から計算するため負になります。下降局面では正の値となります。

Pythonによる実装

　必要なライブラリを読み込みます

!pip install mpl_finance #Collaboratoryに入っていないライブラリを読み込みます
import matplotlib
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import pandas as pd
import mpl_finance
import sys
import numpy as np
from datetime import datetime
from matplotlib.offsetbox import OffsetImage, AnnotationBbox
import requests
import io

データを読み込みます

#ファイルの読み込み
URL = "https://neulab.co.jp/wp-content/uploads/pseudo_data.csv" #csvファイルのURL

datafile = requests.get(URL)#ファイルの読み込み

#データフレームの作成
df_temp = pd.read_csv(io.BytesIO(datafile.content), header=0, index_col=0, parse_dates=True, encoding="UTF-8")

df = df_temp.loc[:,['Open','High','Low','Close']]
df.head()

Williamas A/Dを計算します

df_high = df['High']
df_low = df['Low']
df_close = df['Close'].shift(1)
df_close = df_close.fillna(0)

df_trh = pd.concat([df_high, df_close], axis=1).max(axis=1)
df_trl = pd.concat([df_low, df_close], axis=1).min(axis=1)

df_ad = df['Close'] - df_trh
df_ad.loc[df['Close'] - df_close < 0] = df['Close'] - df_trl
df_ad.loc[df['Close'] - df_close == 0] = 0
df_ad = df_ad.fillna(0)

df_ad_williams = df_ad.copy()
df_ad_williams_diff = df_ad_williams.shift(1)
df_ad_williams_diff.fillna(0)
df_ad_williams = df_ad + df_ad_williams_diff

matplotを使用したチャートの描画例です

canvas_color = '#fffafa'
line_color = '#c8ced1'
font_color = '#171510'
colorup = '#bf0000'
colordown = '#006fbf'

n_data = -100
data = df[n_data:]
ohlc = np.vstack((range(len(data)), data.T)).T

fig, (ax1, ax2) = plt.subplots(2, 1, gridspec_kw={'height_ratios': [10, 6]}, sharex=True, figsize=(12,9))
fig.patch.set_facecolor(canvas_color)
ax1.patch.set_facecolor(canvas_color)
mpl_finance.candlestick_ohlc(ax1, ohlc, width=0.5, alpha=1, colorup=colorup, colordown=colordown)
ax2.patch.set_facecolor(canvas_color)
ax2.plot(range(len(data)), df_ad_williams.values[n_data:], color='red', ls='-', label='Williams AD')
ax1.grid()
ax2.grid()

#ロゴ読み込み
logoURL = "https://neulab.co.jp/wp-content/uploads/logo.png" #logoファイルのURL
img_c = plt.imread(logoURL)
imagebox = OffsetImage(img_c, zoom=0.020) #画像をimageboxにいれる。
imagebox.image.axes = ax1
im_sabo = AnnotationBbox(imagebox, (0, 9850), xybox=(0, 9950), xycoords="data", boxcoords="data", pad=0.3, frameon=False)

l1,l2 = ax2.get_legend_handles_labels()
ax2.legend(l1,l2, fontsize=14, edgecolor='none', facecolor=canvas_color)

ax1.add_artist(im_sabo)
ax1.set_ylabel("Price of Something", fontsize=22)
ax1.set_ylim(9000., 10000.)
ax1.yaxis.tick_right()
ax1.yaxis.set_label_coords(0, 0.5)
ax1.tick_params(labelsize=24, labelcolor=font_color, color=line_color)

ax1.spines['left'].set_linewidth(0)
ax1.spines['right'].set_linewidth(0)
ax1.spines['top'].set_linewidth(0)
ax1.spines['bottom'].set_linewidth(0)

ax2.yaxis.tick_right()
ax2.set_ylim([-120, 120])
ax2.tick_params(labelsize=22, labelcolor=font_color, color=line_color)

ax2.spines['left'].set_color(line_color)
ax2.spines['right'].set_color(line_color)
ax2.spines['top'].set_color(line_color)
ax2.spines['bottom'].set_color(line_color)

xtick0 = 2
plt.xticks(range(xtick0,len(data),12), [x.strftime('%m/%d') for x in df_high.index][xtick0::12])

plt.subplots_adjust(left=0.05, right=0.89, bottom=0.1, top=0.99)
plt.grid(which='major',color=line_color,linestyle='-')
plt.grid(which='minor',color=line_color,linestyle='-')

ax2.grid(linestyle='--', lw=1)
ax1.set_axisbelow(True)

fig.savefig('ADline.png', facecolor=fig.get_facecolor(), edgecolor='none')

以上のコードをGoogle社の提供しているColaboratory上で公開しており、実際に動作させることができます。

リンク先はこちら。

Williams A/Dを使った予想

　当日のレートと値動きを比較しながら、ダイバージェンスやコンバージェンスと言った逆行現象を予測に利用します。図２で売買タイミングを見ていきましょう。

買い
- 直近のウィリアムズA/Dに谷間となるB1とB2がある時、B1<B2で対応するレートがR3>R4だった場合（コンバージェンスと呼びます）、相場反転の兆しと見て、逆張りの買いでエントリーします。
売り
- 直近のウィリアムズA/DのピークとなるT1とT2がある時、T1>T2で対応するレートがR1<R2だった場合（ダイバージェンスと呼びます）、相場反落の兆しと見て、逆張りの売りでエントリーします。