ACオシレータ(ACcelerator Oscillator)

  

概要
図1 ACオシレータの描画例

ビル・ウイリアムズ(Bill・M・Williams)氏によって開発された指標で相場の値動きと方向性を確認するために使用されるオシレータ系テクニカル指標です。値動きと方向性を同時に知ることができます。また、別名としてカオス・アクセラレーター・オシレータと呼ばれることもあります。

図1がACオシレータと、オーサム・オシレータ(AO)を一緒に描画したもので、ACオシレーターは基本的には0から上なら上昇局面、0より下なら下落局面です。

計算方法(日足の場合)

ACオシレータは同じくビル・ウイリアムズ氏によって開発されたAOを利用して計算します。AOは以下の様な定義です。(より詳しくはオーサム・オシレータの項目をご覧ください。)

$$ \rm{} avg = (高値 – 安値)/2 \\ AO = SMA(avg, 5) – SMA(avg, 34) $$

ACオシレータはAOを利用して次のように計算されます。AOからAOのSMA(5)を引いた形です。日足ではnには一般的に5が使われます。

$$ \rm{} AC = AO – SMA(AO, 5) $$
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()

ACオシレータを計算します

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

df_high = df_high_rate.shift(1)
df_low = df_low_rate.shift(1)
df_value = (df_high + df_low)/2

df_sma1 = df_value.rolling(5).mean()
df_sma2 = df_value.rolling(34).mean()

df_ao = df_sma1 - df_sma2
df_ac = df_ao - df_ao.rolling(5).mean()

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_ao.values[n_data:], color='blue', ls='-', label='AO')
ax2.plot(range(len(data)), df_ac.values[n_data:], color='red', ls='-', label='AC')
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([-300,300])
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_ac.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('AC.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

ACオシレータを使った予想

基本的にはオーサムオシレータ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 ACオシレータを使った予想例

逆張りの方法もあります。図3がACオシレータを使った逆張りでのエントリーの例です。

図3 ACオシレータを使った予想例(逆張り)
注意点

値動きとトレンドの方向性を同時に見ることができるため欠点がないように見えますが、他のテクニカル指標と組み合わせて使用することで、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。