안녕하세요 예스스탁입니다. 최근 learnLen 구간에서 RSI와 여러값들을 상관계수로 가중치 삼아 RSI를 예측하고 이용하는 식입니다. input : rsiLen(14); // RSI 계산에 사용할 기간(기본 14) input : sigLen(20); // rsi 시그널(EMA) 기간 input : learnLen(20); // 피어슨 상관계수 기간 var : retLog(0),rsiVal(0),alpha(0),ATRV(0),atrPct(0),vol(0),volLogChg(0),y_rsi(0); var : x_ret(0),x_rsi(0),x_atrp(0),x_vchg(0),x_vol(0); // 로그수익률: log(C_t / C_{t-1}), 첫봉 NaN 방어 retLog = log(close / iff(isnan(close[1])==true, close,close[1])); // RSI 값 rsiVal = rsi(rsiLen); // ATRV의 지수평활 계수(200 기준) alpha = 1 / 200 ; //ATR값 TrueRange 기준 rma값 ATRV = IFf(IsNan(ATRV[1]) == true, ema(TrueRange,200) , alpha * TrueRange + (1 - alpha) * IFf(isnan(ATRV[1])==true,0,ATRV[1])); // 종가기준 ATR 비율 atrPct = ATRV / close; //거래량 vol = volume; // 거래량 로그변화율 volLogChg = log(vol / iff(isnan(vol[1])==true, vol,vol[1])); //직전봉 RSI y_rsi = rsiVal[1]; //직전봉 로그수익률(NaN이면 0) x_ret = iff(IsNan(retLog[1])==true,0,retLog[1]); //직전봉 RSI x_rsi = iff(IsNan(rsiVal[1])==true,0,rsiVal[1]); //직전봉 ATR비율 x_atrp = iff(IsNan(atrPct[1])==true,0,atrPct[1]); //직전봉 거래량 로그변화율 x_vchg = iff(IsNan(volLogChg[1])==true,0,volLogChg[1]); //직전봉 거래량 x_vol = iff(IsNan(vol[1])==true,0,vol[1]); // y_rsi와 x_ret의 상관계수 var1 = CoefficientR(y_rsi, x_ret, learnLen); // y_rsi와 x_rsi의 상관계수 var2 = CoefficientR(y_rsi, x_rsi, learnLen); // y_rsi와 x_atrp의 상관계수 var3 = CoefficientR(y_rsi, x_atrp, learnLen); // y_rsi와 x_vchg의 상관계수 var4 = CoefficientR(y_rsi, x_vchg, learnLen); // y_rsi와 x_vol의 상관계수 var5 = CoefficientR(y_rsi, x_vol, learnLen); var : corrs_abs_ret(0),corrs_abs_rsi(0),corrs_abs_atrp(0),corrs_abs_vchg(0),corrs_abs_vol(0); // var1 절대값 corrs_abs_ret = abs(iff(IsNan(var1)==true,0,var1)); // var2 절대값 corrs_abs_rsi = abs(iff(IsNan(var2)==true,0,var2)); // var3 절대값 corrs_abs_atrp = abs(iff(IsNan(var3)==true,0,var3)); // var4 절대값 corrs_abs_vchg = abs(iff(IsNan(var4)==true,0,var4)); // var4 절대값 corrs_abs_vol = abs(iff(IsNan(var5)==true,0,var5)); Array : corrs[5](0); //루프를 위해 배열변수에 위 절대값을 입력 corrs[0] = corrs_abs_ret; corrs[1] = corrs_abs_rsi; corrs[2] = corrs_abs_atrp; corrs[3] = corrs_abs_vchg; corrs[4] = corrs_abs_vol; var : i(0),j(0),n(0); Array : tmp[5](0),topIdx[5](0); var : maxI(0),maxV(0),vj(0),take(False); //corrs배열값을 큰값순으로 계산 for i = 0 to 4 { tmp[i] = iff(IsNan(corrs[i])==true,0,corrs[i]); topIdx[i] = 0; } for n = 0 to 4 { maxI = 0; maxV = tmp[0]; for j = 1 to 4 { vj = tmp[j]; take = isnan(maxV) == true or (IsNan(vj) == False and vj > maxV); if take Then { maxV = vj; maxI = j; } } topIdx[n] = maxI; tmp[maxI] = nan; } var : xz_ret(0),xz_rsi(0),xz_atrp(0),xz_vchg(0),xz_vol(0); var : m1(0),s1(0),fz1(0); var : m2(0),s2(0),fz2(0); var : m3(0),s3(0),fz3(0); var : m4(0),s4(0),fz4(0); var : m5(0),s5(0),fz5(0); Array : featz[5](0); // x_ret z-score 계산(값이 평균으로부터 몇 표준편차만큼 떨어져 있는지를 나타내는 수치) m1 = ema(x_ret, learnLen); s1 = std(x_ret, learnLen); fz1 = iff(s1 > 0 , (x_ret - m1) / s1 , 0); // x_rsi의 z-score 계산 m2 = ema(x_rsi, learnLen); s2 = std(x_rsi, learnLen); fz2 = iff(s2 > 0 , (x_rsi - m2) / s2 , 0); // x_atrp의 z-score 계산 m3 = ema(x_atrp, learnLen); s3 = std(x_atrp, learnLen); fz3 = iff(s3 > 0 , (x_atrp - m3) / s3 , 0); // x_vchg의 z-score 계산 m4 = ema(x_vchg, learnLen); s4 = std(x_vchg, learnLen); fz4 = iff(s4 > 0 , (x_vchg - m4) / s4 , 0); // x_vol의 z-score 계산 m5 = ema(x_vol, learnLen); s5 = std(x_vol, learnLen); fz5 = iff(s5 > 0 , (x_vol - m5) / s5 , 0); //z-score이 Nan이면 0으로 처리 xz_ret = iff(isnan(fz1) ==true,0,fz1); xz_rsi = iff(isnan(fz2) ==true,0,fz2); xz_atrp = iff(isnan(fz3) ==true,0,fz3); xz_vchg = iff(isnan(fz4) ==true,0,fz4); xz_vol = iff(isnan(fz5) ==true,0,fz5); //각 z-score을 배열에 저장 featZ[0] = xz_ret; featZ[1] = xz_rsi; featZ[2] = xz_atrp; featZ[3] = xz_vchg; featZ[4] = xz_vol; // y_rsi와 x_ret의 상관계수 value1 = CoefficientR(y_rsi, x_ret, learnLen); // y_rsi와 x_atrp의 상관계수 value3 = CoefficientR(y_rsi, x_atrp, learnLen); // y_rsi와 x_vchg의 상관계수 value4 = CoefficientR(y_rsi, x_vchg, learnLen); // y_rsi와 x_vol의 상관계수 value5 = CoefficientR(y_rsi, x_vol, learnLen); var : coef_ret(0),coef_rsi(0),coef_atrp(0),coef_vchg(0),coef_vol(0); //각 피어슨상관계수가 nan이면 0으로 처리 coef_ret = iff(IsNan(value1)==true,0,value1); coef_rsi = 1.0; coef_atrp = iff(IsNan(value3)==true,0,value3); coef_vchg = iff(IsNan(value4)==true,0,value4); coef_vol = iff(IsNan(value5)==true,0,value5); Array : coef[5](0); //각 상관계수를 배열에 저장 coef[0] = coef_ret; coef[1] = coef_rsi; coef[2] = coef_atrp; coef[3] = coef_vchg; coef[4] = coef_vol; var : s(0),idx(0),g(0),z(0),pred_rsi_z(0); // 큰값순으로 가중치를 주어 배수값을 계산(g*z을 누적) s = 0.0; pred_rsi_z = 0; for i = 0 to 4 { idx = topIdx[i]; g = coef[idx]; z = featZ[idx]; pred_rsi_z = pred_rsi_z + (iff(isnan(g)==true,0,g) * IFf(IsNan(z)==true,0,z)); } var : rsi_mean(0),rsi_std(0),pred_rsi(0); var : rsiWeight(0),ema_rsi(0); // y_rsi의 지수이동평균 rsi_mean = ema(y_rsi, learnLen); // y_rsi의 표준편차 rsi_std = std(y_rsi, learnLen); // RSI예측값 = mean + std * pred_rsi_z pred_rsi = iff(isnan(rsi_mean)==true,0,rsi_mean) + iff(isnan(rsi_std)==true,0,rsi_std) * pred_rsi_z; // pred_rsi를 50 중심으로 -2~2사이의 값으로 만듬 rsiWeight = max(-2, min(2, (50 - iff(isnan(pred_rsi)==true,0,pred_rsi)) / 50)) * -1; // rsiWeight의 시그널선 ema_rsi = ema(rsiWeight,sigLen); //종목검색 /* IF (rsiWeight[1]<=-0.5 OR rsiWeight<=-0.5) && CrossUP(rsiWeight,-0.5) && C>O TheN Find(1); */ if CrossUp(rsiWeight,ema_rsi) Then var91=0.5 ; if CrossDown(rsiWeight,ema_rsi) Then var91=-0.5 ; 즐거운 하루되세요