移動平均乖離率

 

概要
図1 移動平均乖離率の表示例

相場のおおまかな値動きは移動平均に従い、価格が移動平均から大きく外れることがあってもやがては移動平均に戻ってくるという前提が正しいものとします。この時、移動平均からの離れ具合を乖離率として計算し、ある一定の乖離率を超えた大幅な乖離が見られるのは相場の転換サインとなる可能性があるので、この乖離率を見て逆張りに使用するためのオシレータ系テクニカル指標です。

計算方法

まず、分母となる移動平均を計算します。ここではSMAを使用します。

$$ \rm{} 分母=SMA(9) $$

次に分子を計算します。現在のレートとSMAの差を取ります。

$$ \rm{} 分子=現在のレート-SMA(9) $$

乖離率は次のように定義します。

$$ \rm{} 乖離率=(レート-SMA(n))/SMA(9) \times 100 (\%) $$

例を使って乖離率を計算してみましょう。nとして5を使用します。

日数価格  SMA(5)  乖離率(%)  
1日目1000
2日目1040
3日目1070
4日目1030
5日目108010443.44
6日目115010747.08
7日目109010845.54
8日目10501080-2.78
9日目10201078-5.38
10日目(最新)1010 1064-5.08

通常、移動平均乖離率を計算する際に使用するSMAのn値は以下の値が使われます。これらのnの値は慣用的なものです。

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

用意したcsvファイルから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()

移動平均乖離率を計算します

df_sma = df['Close'].rolling(20).mean()
df_ratio = (df['Close'] - df_sma)/df_sma * 100

matplotを使ったチャートの表示と保存例です

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)
ax1.plot(range(len(data)), df_sma.values[n_data:], color='darkorange', ls='-', label='SMA(20)')
ax2.plot(range(len(data)), df_ratio.values[n_data:], color='red', ls='-', label='Deviation rate')
ax1.grid()
ax2.grid()

#ロゴ読み込み
logoURL = "https://neulab.co.jp/wp-content/uploads/logo.png" #ロゴファイルの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, 10000), 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([-4, 4])
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)

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

リンクはこちら

移動平均乖離率の使い方

まず過去の相場の経験から乖離率の上限を定義しておきます。乖離率を計算し、上下の上限値を超えたらその逆張りでエントリーします。図2の例ではnを20、乖離率を2%にした場合の買いエントリーの例となります。

図2 移動平均乖離率を使った予想

このページの例ではSMAを使っていますが、EMAなど他の移動平均の計算方法でも乖離率を定義し、予想を行うことができます。

注意点

取引対象によって最適な乖離率が異なる可能性があります。過去のチャートなどを見てその値動きから乖離率として適切な値を設定することが必要です。


※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。