src/jiji/model/agents/builtin_files/signals.rb
# frozen_string_literal: true
module Signals
# 一定期間のレートデータを元に値を算出するシグナルの基底クラス
class RangeSignal
include Signals
# コンストラクタ
# range:: 集計期間
def initialize(range = 25)
@data = [] # レートを記録するバッファ
@range = range
end
# 次のデータを受け取って指標を返します。
# data:: 次のデータ
# 戻り値:: 指標。十分なデータが蓄積されていない場合nil
def next_data(data)
# バッファのデータを更新
@data.push data
@data.shift if @data.length > @range
# バッファサイズが十分でなければ、nilを返す。
return nil if @data.length != @range
# 算出
calculate(@data)
end
#
def calculate(data); end #:nodoc:
# 集計期間
attr_reader :range
def state
{
data: @data,
range: @range
}
end
def restore_state(state)
@data = state[:data]
@range = state[:range]
end
end
# 移動平均
class MovingAverage < RangeSignal
def calculate(data) #:nodoc:
ma(data)
end
end
# 加重移動平均
class WeightedMovingAverage < RangeSignal
def calculate(data) #:nodoc:
wma(data)
end
end
# 指数移動平均
class ExponentialMovingAverage < RangeSignal
# コンストラクタ
# range:: 集計期間
# smoothing_coefficient:: 平滑化係数
def initialize(range = 25, smoothing_coefficient = 0.1)
super(range)
@sc = smoothing_coefficient
end
def calculate(data) #:nodoc:
ema(data, @sc)
end
end
# ボリンジャーバンド
class BollingerBands < RangeSignal
# コンストラクタ
# range:: 集計期間
# pivot:: ピボット
def initialize(range = 25, pivot = [0, 1, 2], &block)
super(range)
@pivot = pivot
@block = block
end
def calculate(data) #:nodoc:
bollinger_bands(data, @pivot, &@block)
end
end
# 傾き
class Momentum < RangeSignal
def calculate(data) #:nodoc:
momentum(data)
end
end
# 傾き(最小二乗法を利用)
class Vector < RangeSignal
def calculate(data)
vector(data)
end
end
# MACD
class MACD < RangeSignal
# コンストラクタ
# short_range:: 短期EMAの集計期間
# long_range:: 長期EMAの集計期間
# signal_range:: シグナルの集計期間
# smoothing_coefficient:: 平滑化係数
def initialize(short_range = 12, long_range = 26,
signal_range = 9, smoothing_coefficient = 0.1)
raise 'illegal arguments.' if short_range > long_range
super(long_range)
@short_range = short_range
@smoothing_coefficient = smoothing_coefficient
@signal = ExponentialMovingAverage.new(
signal_range, smoothing_coefficient)
end
def next_data(data) #:nodoc:
macd = super
return nil unless macd
signal = @signal.next_data(macd)
return nil unless signal
{ macd: macd, signal: signal }
end
def calculate(data) #:nodoc:
macd(data, @short_range, range, @smoothing_coefficient)
end
def state
state = super
state[:signal_state] = @signal.state
state
end
def restore_state(state)
super
@signal.restore_state(state[:signal_state])
end
end
# RSI
class RSI < RangeSignal
# コンストラクタ
# range:: 集計期間
def initialize(range = 14)
super(range)
end
def calculate(data) #:nodoc:
rsi(data)
end
end
# DMI
class DMI < RangeSignal
# コンストラクタ
# range:: 集計期間
def initialize(range = 14)
super(range)
@dxs = []
end
def calculate(data) #:nodoc:
dmi = dmi(data)
return nil unless dmi
@dxs.push dmi[:dx]
@dxs.shift if @dxs.length > range
return nil if @dxs.length != range
dmi[:adx] = ma(@dxs)
dmi
end
def state
state = super
state[:dxs] = @dxs
state
end
def restore_state(state)
super
@dxs = state[:dxs]
end
end
# ROC
class ROC < RangeSignal
# コンストラクタ
# range:: 集計期間
def initialize(range = 14)
super(range)
end
def calculate(data) #:nodoc:
roc(data)
end
end
module_function
# 移動平均値を計算します。
# data:: 値の配列。
# 戻り値:: 移動平均値
def ma(data)
total = data.reduce(:+)
total / data.length
end
# 加重移動平均値を計算します。
#
# data:: 値の配列。
# 戻り値:: 加重移動平均値
def wma(data)
weight = 0
total = data.reduce(0.0) do |t, s|
t + s * (weight += 1)
end
total / (data.length * (data.length + 1) / 2)
end
# 指数移動平均値を計算します。
#
# data:: 値の配列。
# smoothing_coefficient:: 平滑化係数
# 戻り値:: 加重移動平均値
def ema(data, smoothing_coefficient = 0.1)
data[1..-1].reduce(data[0]) do |t, s|
t + smoothing_coefficient * (s - t)
end
end
# ボリンジャーバンドを計算します。
#
# +2σ＝移動平均＋標準偏差×2
# +σ＝移動平均＋標準偏差
# -σ＝移動平均-標準偏差
# -2σ＝移動平均-標準偏差×2
# 標準偏差＝√((各値-値の期間中平均値)の2乗を期間分全部加えたもの)/ 期間
# (√は式全体にかかる)
#
# data:: 値の配列
# pivot:: 標準偏差の倍数。初期値 [0,1,2]
# block:: 移動平均を算出するロジック。指定がなければ移動平均を使う。
# 戻り値:: ボリンジャーバンドの各値の配列。例) [+2σ, +1σ, TP, -1σ, -2σ]
def bollinger_bands(data, pivot = [0, 1, 2], &block)
ma = block_given? ? yield(data) : ma(data)
sd = standard_division(data) { |s| s - ma }
pivot.each_with_object([]) do |r, res|
res.unshift(ma + sd * r)
res.push(ma + sd * r * -1) if r.nonzero?
end
end
# 一定期間の値の傾きを計算します。
#
# data:: 値の配列
# 戻り値:: 傾き。0より大きければ上向き。小さければ下向き。
def momentum(data)
(data.last - data.first) / data.length
end
# 最小二乗法で、一定期間の値の傾きを計算します。
#
# data:: 値の配列
# 戻り値:: 傾き。0より大きければ上向き。小さければ下向き。
def vector(data)
# 最小二乗法を使う。
total = { x: 0.0, y: 0.0, xx: 0.0, xy: 0.0, yy: 0.0 }
data.each_index do |i|
v = data[i]
total[:x] += i
total[:y] += v
total[:xx] += i * i
total[:xy] += i * v
total[:yy] += v * v
end
calculate_vector(data, total)
end
# MACDを計算します。
#
# MACD = 短期(short_range日)の指数移動平均 - 長期(long_range日)の指数移動平均
#
# data:: 値の配列
# smoothing_coefficient:: 平滑化係数
# 戻り値:: macd値
def macd(data, short_range, long_range, smoothing_coefficient)
ema(data[short_range * -1..-1], smoothing_coefficient) \
- ema(data[long_range * -1..-1], smoothing_coefficient)
end
# RSIを計算します。
#
# RSI =
# n日間の値上がり幅合計 / (n日間の値上がり幅合計 + n日間の値下がり幅合計) * 100
# nとして、14や9を使うのが、一般的。30以下では売られすぎ70以上では買われすぎの水準
#
# data:: 値の配列
# 戻り値:: RSI値
def rsi(data)
prev = nil
tmp = data.each_with_object([0.0, 0.0]) do |i, r|
r[i > prev ? 0 : 1] += (i - prev).abs if prev
prev = i
end
calculate_rsi(tmp)
end
# DMIを計算します。
#
# 高値更新 ... 前日高値より当日高値が高かった時その差
# 安値更新 ... 前日安値より当日安値が安かった時その差
# DM ... 高値更新が安値更新より大きかった時高値更新の値。逆の場合は０
# DM ... 安値更新が高値更新より大きかった時安値更新の値。逆の場合は０
# TR ... 次の３つの中で一番大きいもの
# 当日高値-当日安値
# 当日高値-前日終値
# 前日終値-当日安値
# AV(+DM) ... +DMのn日間移動平均値
# AV(-DM) ... -DMのn日間移動平均値
# AV(TR) ... TRのn日間移動平均値
# +DI ... AV(+DM)/AV(TR)
# -DI ... AV(-DM)/AV(TR)
# DX ... (+DIと-DIの差額) / (+DIと-DIの合計)
# ADX ... DXのn日平均値
#
# data:: 値の配列(4本値を指定すること!)
# 例: {open: 123.2, close: 124, high: 124.2, low: 123}
# 戻り値:: {:pdi=pdi, :mdi=mdi, :dx=dx }
def dmi(data)
tmp = calculate_dmi_from_data(data)
atr = ma(tmp[0])
pdi = ma(tmp[1]) / atr * 100
mdi = ma(tmp[2]) / atr * 100
{ pdi: pdi, mdi: mdi, dx: calculate_dx(pdi, mdi) }
end
# ROCを計算します。
#
# ROC = Rate of Change。変化率。正なら上げトレンド、負なら下げトレンド。
#
# data:: 値の配列
# 戻り値:: 値
def roc(data)
(data.first - data.last) / data.last * 100
end
private
def standard_division(data, &block)
total = data.reduce(0.0) do |t, s|
t + yield(s)**2
end
Math.sqrt(total / data.length)
end
def calculate_vector(data, total)
n = data.length
d = total[:xy]
c = total[:y]
e = total[:x]
b = total[:xx]
(n * d - c * e) / (n * b - e * e)
end
def calculate_rsi(data)
(data[0] + data[1]).zero? ? 0.0 : data[0] / (data[0] + data[1]) * 100
end
def calculate_dmi_from_data(data)
prev = nil
data.each_with_object([[], [], []]) do |i, r|
if prev
dm = calculate_dmi(i, prev)
r[0] << dm[0] # TR
r[1] << dm[1] #+DM
r[2] << dm[2] #-DM
end
prev = i
end
end
# TR,+DM,-DMを計算します。
# 戻り値:: [ tr, +DM, -DM ]
def calculate_dmi(rate, rate_prev) #:nodoc:
pdm = calculate_pdm(rate, rate_prev)
mdm = calculate_mdm(rate, rate_prev)
[
calculate_tr(rate, rate_prev),
pdm < mdm ? 0 : pdm,
pdm > mdm ? 0 : mdm
]
end
def calculate_pdm(rate, rate_prev)
rate[:high] > rate_prev[:high] ? rate[:high] - rate_prev[:high] : 0
end
def calculate_mdm(rate, rate_prev)
rate[:low] < rate_prev[:low] ? rate_prev[:low] - rate[:low] : 0
end
def calculate_tr(rate, rate_prev)
a = rate[:high] - rate[:low]
b = rate[:high] - rate_prev[:close]
c = rate_prev[:close] - rate[:low]
[a, b, c].max
end
def calculate_dx(pdi, mdi)
(pdi - mdi).abs / (pdi + mdi) * 100
end
end