More than 1 year has passed since last update.

statsmodelsのトレンド解析と乖離率を使った株の儲け方：株価を時系列解析（２）

Last updated at 2022-02-13Posted at 2022-02-13

移動平均乖離率を使って投資できるか？

時系列解析: 自己回帰型モデル・状態空間モデル・異常検知 (Advanced Python)
の1.8章は移動平均乖離率です。
Ｐ１８に
「乖離率とチャートの関係性を観察し乖離率の閾値を決めることで変化点の検出に役立てることができる。」
とあります。
これは株価の解析に使えるかも知れません。

移動平均乖離率とは

移動平均乖離率は、次の式で表されます。


移動平均乖離率　=　\frac{（原系列の値－移動平均値）}{移動平均値} ×100

これは、rollingを使えば簡単にできます。
まずdf_end_valueに、index``として年月日をDatetime`で、値として終値を入れました。

#日付
#2020-01-06    1759.0
#2020-01-07    1789.0
#2020-01-08    1765.0
#2020-01-09    1794.0
#2020-01-10    1800.0
#Name: 終値, dtype: float64

このデータを使って、移動平均の計算方法は、

#rollingで移動させて、meanで平均を取る。
ma24 = df_end_value.rolling(24).mean()
#原系列のデータから移動平均値を引いて、移動平均値で割ります
diff_ma24 = (df_end_value - ma24) / ma24 * 100
#これはグラフ
plt.plot(df_end_value.index,ma24,c='r',label='price_average')
plt.plot(df_end_value.index,df_end_value,c='b',label='price_real')
plt.ylabel('topix_price',fontsize=16)
plt.xticks(rotation=45)
plt.legend()
plt.show()

これが移動平均ですが、これでなくても、前回説明したstatsmodeslのtrendで、同じようなトレンド成分が計算できますので、これで計算してみましょう。

#statsmodelsのインポート
import statsmodels.api as sm

#２５日間周期で加法モデルで時系列解析を行う
ts = sm.tsa.seasonal_decompose(df_end_value, freq=25,model='additive')

#frq25なので前後の値を削除して、乖離率を計算に、
res = (df_end_value.values.flatten()[12:-12] - ts.trend[12:-12])/ts.trend[12:-12] * 100


plt.plot(df_end_value.index,ts.trend,c='r',label='price_trend')
plt.plot(df_end_value.index,df_end_value,c='b',label='price_real')
plt.ylabel('topix_price',fontsize=16)
plt.xticks(rotation=45)
plt.legend()
plt.show()

plt.hist(res)
plt.xlabel('乖離率',fontsize=16)
plt.ylabel('頻度',fontsize=16)
plt.show()
plt.plot(df_end_value.index[12:-12],res)
plt.xticks(rotation =45)
plt.ylabel('乖離率',fontsize=16)
plt.show()

計算自体は簡単です。
ざっと傾向を見てみましょう！！

２０年の解析

結果の解析結果です。
一番上のグラフが移動平均線。真ん中が、乖離率のヒストグラム、一番下が乖離率の時系列です。
コロナで大きく落ちて、２０年３月の大きく乖離したところがありますが、それ以外は、だいたいプラスもマイナスも３％近辺で反転しています。
この計算で乖離率が３％近くなったら、逆張りすれば価格はトレンド線へ戻ろうとしますので、利益が出ます。