DMI(Directional Moment Indicator)

 

概要
図1 DMIの表示例

DMI(方向性指数)は1978年にJ.ウェイルズ・ワイルダーが考案したテクニカル指標で、相場の方向性を変動幅から上昇方向と下落方向に分けて指数化しトレンドの方向性と強弱を分析するオシレータ系テクニカル指標です。

上昇方向の+DMと下落方向の-DMの二つの指数を計算して使用します。指数は当日の高値と安値に比べて前日の高値と安値がどちらの方向にあるかを比較し計算します。

計算方法(日足の場合)

まず+DMと-DMを計算します。Hを高値、Lを安値とします。+DMは当日高値と前日高値を比較し、以下のように計算します。

もう一方の-DMは当日安値と前日安値を比較し、以下のように計算します。

次にTR(トゥルーレンジ)を計算します。TRは当日高値-当日安値、当日高値-前日終値、前日終値-当日安値の三種類の幅の中から最大幅となる幅を選びます。

$$ \rm TR = Max(|当日高値-当日安値|,|当日高値-前日終値|,|前日終値-当日安値|) $$

最後に+DIと-DIを計算します。まず+DIです。

$$ \rm{} +DI=(+DM)/TR \\ $$

n区間の+DIでは

$$ \rm{} +DI(n)=\sum^𝑛(+DM)/\sum^𝑛(TR) $$

次に-DIです。

$$ \rm{} −DI=(−DM)/TR \\ $$

n区間の-DIでは

$$ \rm{} −DI(n)=\sum^𝑛(−DM)/\sum^𝑛(TR) $$

実際に計算してみたものが以下になります。

日数終値 安値 高値 +DM  -DM  TR  +DI(2)  -DI(2)  
1日目1000997105700
2日目1050104010741707412.70
3日目107010351073052317.55.2
4日目106010561082902618.410.2
5日目1080107811011904141.80
6日目1100109511555407562.90
7日目115011121158305842.90
8日目11201113113200373.160
9日目11301094113401940024.7
10日目(最新)1100 1040111205490056.2

上の例ではnを2として計算していますが、日足の場合には慣用的にnに14日が使われます。

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()

DMとDIを計算します

#DMIの計算
df_pDM = (df['High'] - df['High'].shift(1))
df_mDM = (df['Low'].shift(1) - df['Low'])

df_pDM.loc[df_pDM<0] = 0
df_pDM.loc[df_pDM-df_mDM < 0] = 0

df_mDM.loc[df_mDM<0] = 0
df_mDM.loc[df_mDM-df_pDM < 0] = 0

#trの計算
a = (df['High'] - df['Low']).abs()
b = (df['High'] - df['Close'].shift(1)).abs()
c = (df['Low'] - df['Close'].shift(1)).abs()

df_tr = pd.concat([a, b, c], axis=1).max(axis=1)

df_pDI = df_pDM.rolling(14).sum()/df_tr.rolling(14).sum() * 100
df_mDI = df_mDM.rolling(14).sum()/df_tr.rolling(14).sum() * 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)
ax2.plot(range(len(data)), df_pDI.values[n_data:], color='red', ls='-', label='+DI')
ax2.plot(range(len(data)), df_mDI.values[n_data:], color='blue', ls='-', label='-DI')
ax1.grid()
ax2.grid()

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([0,50])
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_tr.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('DMI.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

DMIの使い方

DMIによる予想は2本のラインのクロスを使ったもので次の通りになります。

使用例は図2のようになります。

図2 DMIによる予想

※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。