ブルパワーとベアパワー(Bull Power and Bear Power)

  

概要
図1 ブルパワーとベアパワーの描画例

1989年にアレクサンダー・エルダー氏が開発したベアパワーとブルパワーは値動きの方向性と強さを確認するために使用されるオシレーター系のテクニカル指標です。別名としてエルダー線と呼ばれることもあります。

ブルは牡牛の角の反り立つ様子を価格上昇の強さに、ベアは熊の背中が丸くなっている様子を価格下落の弱さに例えています。図1のようにブルとベア、2つの棒線で個別の予想を立てます。

計算方法(日足の場合)

ブルパワーは当日高値と終値のEMAから計算します。上昇トレンドが強い場合、当日高値はEMAより高くなるので、ブルパワーは正の値となります。

$$ \rm{} BULLS = 当日高値 – EMA(終値, n) $$

次に、ベアパワーを計算します。ベアパワーは当日安値と終値のEMAから計算します。下落トレンドが強い場合当日安値はEMAより低くなるのでベアパワーは負の値となります。日足ではnとしては13が良く使われます。

$$ \rm{} BEARS = 当日安値 – EMA(終値, n) $$
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()

ベアパワーとブルパワーを計算します

df_ema = df['Close'].ewm(span=13).mean()
df_bear = df['Low'] - df_ema
df_bull = df['High'] - df_ema

matplotを使っ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, ax3) = plt.subplots(3, 1, gridspec_kw={'height_ratios': [10, 6, 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_bull.values[n_data:], color='red', ls='-', label='Bull')
ax3.patch.set_facecolor(canvas_color)
ax3.plot(range(len(data)), df_bear.values[n_data:], color='blue', ls='-', label='Bear')
ax1.grid()
ax2.grid()
ax3.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, 9900), 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)
l1,l2 = ax3.get_legend_handles_labels()
ax3.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([-300,300])
ax2.tick_params(labelsize=22, labelcolor=font_color, color=line_color)
#ax2.set_yticks(np.linspace(0,100,6))

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)

ax3.yaxis.tick_right()
ax3.set_ylim([-300,300])
ax3.tick_params(labelsize=22, labelcolor=font_color, color=line_color)
#ax3.set_yticks(np.linspace(0,100,6))

ax3.spines['left'].set_color(line_color)
ax3.spines['right'].set_color(line_color)
ax3.spines['top'].set_color(line_color)
ax3.spines['bottom'].set_color(line_color)

xtick0 = 2
plt.xticks(range(xtick0,len(data),12), [x.strftime('%m/%d') for x in df_bull.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='-')

ax3.grid(linestyle='--', lw=1)
ax2.grid(linestyle='--', lw=1)
ax1.set_axisbelow(True)

fig.savefig('BullBear.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

ベアパワーとブルパワーを使った予想

ベアパワーとブルパワーを別々に使う時と、両方使う時の2つの予想の方法があります。

まずベアパワーだけを使う場合ですが、以下のような予想方法です。

次にベアパワーを単独で使う場合です。

最後にブルパワーとベアパワー2つのラインを使った場合は以下の予想方法を使います。図2は2つのラインを使った予想例です(4点のみ図示しています)。

図2 ベアパワーとブルパワーを使った予想例

※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。