サイコロジカル・ライン(Psychological Line)

 

概要
図1 サイコロジカル・ラインの描画例

サイコロジカル・ラインは最も古典的なオシレーター系テクニカル指標の一つで、一定期間の中で終値が上昇した区間がいくつあるかを示したもので、期間中に終値が上昇した日が何日あるかの割合を計算します。図1では12日を期間としその中で終値が上昇した日がそれぞれ、6日なら50.0%、8日なら66.7%、10日なら83.3%となります。そしてサイコロジカル・ラインが75.0%以上なら買われ過ぎ、25.0%以下なら売られ過ぎというような判断を行います。

計算方法(日足の場合)

サイコロジカル・ラインの計算は非常に簡単です。 前日の終値より当日の終値が高かった場合を勝ち、安かった場合を負けとしてn区間内での勝ち数を集計します。標準的な日足での使用の際にはn=12を使用します。

$$ \rm{} サイコロジカル・ライン=(勝った日数)/12 $$
日数  価格 勝 負  
1日目1.00
2日目5.001勝
3日目7.002勝
4日目9.003勝
5日目10.004勝
6日目12.005勝
7日目2.005勝1負
8日目8.006勝1負
9日目4.006勝2敗
10日目6.00  7勝2敗
11日目3.007勝3敗
12日目11.008勝3敗
13日目13.009勝3敗
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()

サイコロジカルラインを計算します

df_close = df['Close'].shift(1)
df_win = df['Close'].copy()
df_win.loc[df['Close']-df_close > 0] = 1
df_win.loc[df['Close']-df_close <= 0] = 0

df_psyco = df_win.rolling(12).sum()/12 * 100

matplotを使った表示例です

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_psyco.values[n_data:], color='red', ls='-', label='Psycological Line')
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([0,100])
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_psyco.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('PsycologicalLine.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

サイコロジカル・ラインを使った予想(日足:nが12の場合)

勝った日数を計算し、逆張りの指標として使用します。

計算方法の例では9勝3敗ですから14日目に売りでエントリーします。

注意点

1円でも1銭でも上昇は上昇と数え、値幅を全く考慮しない点が最大の欠点となります。この点を改良したものがRSIとなります。また、勝ち負けが交互6勝の6敗と、6連勝を含む6勝6敗では内容の吟味(例えば、トレンド相場なのかレンジ相場なのか等)の必要があります。


※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。