ウィリアムズ%R(Williams %R)

  

概要
図1 Williams %R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。一定期間の最高値と最安値から計算した価格変動幅の中で直近の終値がどのレベルにあるかを示したものとなります。 メリットは値動きに敏感に反応することですが、反面小さな値動きに反応してダマシが多いことが欠点となります。

図1がWillams %Rを描画したもので0%から-100%の値を取ります。価格が上昇傾向にある時は0%近くで、下落傾向にある時には-100%近くで動きます。

計算方法(日足の場合)

計算式はストキャスティクスと似ている計算式です。計算期間をn日間とすると、

$$ \rm{} %R = (当日終値 – n日間の最高値) ÷ (n日間の最高値 – n日間の安値)×100 \\ $$

となります。日足ではnには一般的に10が使われます。この値は考案者のラリー・ウィリアムズが使用していた値です。

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

疑似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()

Williams%Rを計算します。

df_high_rate = df['High']
df_low_rate = df['Low']

df_high = df_high_rate.rolling(10).max()
df_low = df_low_rate.rolling(10).min()

df_R = (df['Close'] - df_high)/(df_high - df_low) * 100

matplotを使用したチャートへの描画例です

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_R.values[n_data:], color='blue', ls='-', label='%R')
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([-120,0])
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_R.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)

#上下のバンド描画
bandx = [-5,-5,105,105]
banddown = [-20,0,0,-20]
bandup = [-80,-100,-100,-80]
ax2.fill(bandx,bandup,color="b",alpha=0.1)
ax2.fill(bandx,banddown,color="b",alpha=0.1)

fig.savefig('R.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 %Rを使った予想

基本的に買われ過ぎや売られ過ぎを判断するRSIやストキャスティクスと同様な予想方法となります。

図2のように0を超えたところで売買のエントリーを行います。

図2 Williams %Rを使った予想例
注意点

トレンドの転換の初めを狙う指標ですので、ダマシが多くなる分早めの損切が必要です。また、考案者のラリー・ウィリアムズのようにSMAなど他のテクニカル指標と組み合わせて使用し信頼性を高めることをお勧めします。


※このHPページで紹介しているテクニカル指標を使った取引ルールや売買シグナルの見方は一般的な考え方に基づくものであり、利益の増加や損失の減少を保証するものではありません。ご自身の判断にてお取引いただきますようお願いいたします。


現在、ニューラボでは人工知能による取引アルゴリズムを開発中です。11月にリリース予定。乞うご期待!
自動取引にご興味を持たれましたら お問い合わせページよりお気軽にお問合せください。