Pythonのpytiを徹底解明！pytiを使ってチャート分析のインジケーターを作成

Pythonのライブラリpytiはチャート分析に必要なインジケーターを作成することができます。
そのpytiに用意されているインジゲーターはメジャーなものからマイナーなものまで数多くありますが徹底解明します。

はじめに

pytiは標準ライブラリではありませんので、インストールが必要です。

pip install pyti

公式サイト

GitHub - kylejusticemagnuson/pyti: Python library of various financial technical indicators

Python library of various financial technical indicators - kylejusticemagnuson/pyti

github.com

pytiのインジケーターの一覧

バージョン：pyti 0.2.2

以下は、モジュールのアルファベット順になっています。

各種インジケータ（モジュール）の使い方

A/D（蓄積/配信）Accumulation/Distribution

タイプ：オシレーター系

パラメーターの設定

ad(終値, 高値, 安値, 出来高, 期間)

• 終値, 高値, 安値, 出来高：リスト形式の値。期間以上のデータ数量がないとエラーにはなりませんが、ある程度のデータ数量がないとNanになります。
• 期間：期間を設定する。（通常に20日または21日）

以下のような「ゼロで割るエラー」が発生することがある。

ZeroDivisionError: float division by zero

計算式は以下のようになっており、(Ht – Lt) * Vtの箇所で高値と安値が一致するとこのようなエラーになる。

A/D = (Ct – Lt) – (Ht – Ct) / (Ht – Lt) * Vt + A/Dt-1

from pyti.accumulation_distribution import accumulation_distribution as ad

df['ad']   = ad(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), df['Volume'].values.tolist())

アルーン（Aroon）

タイプ：オシレーター系

Aroon UpとAroon Downの差分のHistogramを合わせて表示することもある。

パラメーターの設定

aroon_up(データ, 期間)　aroon_down(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。（通常14日）

from pyti.aroon import aroon_up as aroon_up
from pyti.aroon import aroon_down as aroon_down

period = 14

df['aroon_up']   = aroon_up(df['Close'].values.tolist(), period)
df['aroon_down'] = aroon_down(df['Close'].values.tolist(), period)

ATR（Average True Range

タイプ：オシレーター系

パラメーターの設定

atr(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.average_true_range import average_true_range as atr

period = 14

df['atr']   = atr(df['Close'].values.tolist(), period)

補足

計算式：TRのN日の移動平均

しかしモジュールのソースを見るとTRの計算はTRモジュールから取得していますが、移動平均が複雑な計算をしています。

このATRはDMIなどの計算式にも利用されています。

ATRP（Average True Range Percent

タイプ：オシレーター系

パラメーターの設定

atrp(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.average_true_range_percent import average_true_range_percent as atrp

period = 14

df['atrp']   = atrp(df['Close'].values.tolist(), period)

ボリンジャーバンド（Bollinger Bands）

タイプ：オシレーター系

本モジュールでは以下の7つの値を取得することができます。
σ（シグマ）の値の初期値は全て2.0です。-σの値は負数ではなく正数で指定します。

• Upper Bollinger Band：+σの値
  bb_up(データ, 期間, σの値)
• Middle Bollinger Band：中心線の単純移動平均（SMA）
  bb_mid(データ, 期間)
• Lower Bollinger Band：-σの値
  bb_low(データ, 期間, σの値)
• Range：+σの値 – -σの値
  bb_range(データ, 期間, σの値)
• Bandwidth：Range / 単純移動平均（SMA）
  bandwidth(データ, 期間, σの値)
• Percent Bandwidth：データ – -σの値  / Range
  percent_bandwidth(データ, 期間, σの値)
• %B：(データ – -σの値) / Range * 100
  percent_b(データ, 期間, +σの値, -σの値)

パラメーターの設定

ここでは一般的に使われる3つのモジュールを解説します。

bb_up(データ, 期間, σの値)：+σの値

bb_mid(データ, 期間)：単純移動平均（SMA）

bb_low(データ, 期間, σの値)：-σの値

• データ：リスト形式の値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。
• σの値：通常1〜3の値を設定します。-σの値は負数ではなく正数で指定します。初期値は2.0です。

from pyti.bollinger_bands import upper_bollinger_band as bb_up
from pyti.bollinger_bands import middle_bollinger_band as bb_mid
from pyti.bollinger_bands import lower_bollinger_band as bb_low

bb_period = 21

df['bb_up3']   = bb_up(df['Close'].values.tolist(),bb_period,3)
df['bb_up2']   = bb_up(df['Close'].values.tolist(),bb_period,2)
df['bb_up1']   = bb_up(df['Close'].values.tolist(),bb_period,1)
df['bb_mid']   = bb_mid(df['Close'].values.tolist(),bb_period)
df['bb_low1']  = bb_low(df['Close'].values.tolist(),bb_period,1)
df['bb_low2']  = bb_low(df['Close'].values.tolist(),bb_period,2)
df['bb_low3']  = bb_low(df['Close'].values.tolist(),bb_period,3)

CMF（チャイキン・マネーフロー）Chaikin Money Flow

タイプ：オシレーター系

パラメーターの設定

mf(終値, 高値, 安値, 出来高, 期間)

• 終値, 高値, 安値, 出来高：リスト形式の値。期間以上のデータ数量がないとエラーにはなりませんが、ある程度のデータ数量がないとNanになります。
• 期間：期間を設定する。（通常に20日または21日）

from pyti.chaikin_money_flow import chaikin_money_flow as cmf

period = 20

df['cmf']   = cmf(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), df['Volume'].values.tolist(), period)

CMO（シャンデ・モメンタム・オシレーター）Chande Momentum Oscillator

タイプ：オシレーター系

パラメーターの設定

cmo(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。（9、14、20日など）

from pyti.chande_momentum_oscillator import chande_momentum_oscillator as cmo

period = 20

df['cmo']   = cmo(df['Close'].values.tolist(), period)

CCI（商品チャンネル指数）Commodity Channel Index

タイプ：オシレーター系

パラメーターの設定

cci(終値, 高値, 安値, 期間)

• 終値, 高値, 安値：リスト形式の値。期間以上のデータ数量がないとエラーにはなりませんが、ある程度のデータ数量がないとNanになります。
• 期間：期間を設定する。（通常に14日）

from pyti.commodity_channel_index import commodity_channel_index as cci

period = 14

df['cci']   = cci(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), period)

DPO（トレンド除去プライスオシレーター）Detrended Price Oscillator

タイプ：オシレーター系

パラメーターの設定

dpo(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。（20日）

from pyti.detrended_price_oscillator import detrended_price_oscillator as dpo

period = 20

df['dpo']   = dpo(df['Close'].values.tolist(), period)

DMI（Directional Movement Index

タイプ：トレンド系

本モジュールでは以下の5つの値を取得することができます。

• Negative Directional Index (-DI)：pdm(高値, 安値)
• Positive Directional Index (+DI)：ndm(高値, 安値)
• Negative Directional Movement (-DM)：pdi(終値, 高値, 安値, 期間)
• Positive Directional Movement (+DM)：ndi(終値, 高値, 安値, 期間)
• Average Directional Index(ADX)：adx(終値, 高値, 安値, 期間)

パラメーターの設定

• 終値、高値、安値：リスト形式の値、長期以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。（一般的に14日）

from pyti.directional_indicators import positive_directional_movement as pdm
from pyti.directional_indicators import negative_directional_movement as ndm
from pyti.directional_indicators import positive_directional_index as pdi
from pyti.directional_indicators import negative_directional_index as ndi
from pyti.directional_indicators import average_directional_index as adx

period = 14

df['pdm']   = pdm(df['High'].values.tolist(), df['Low'].values.tolist())
df['ndm']   = ndm(df['High'].values.tolist(), df['Low'].values.tolist())
df['pdi']   = pdi(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), period)
df['ndi']   = ndi(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), period)
df['adx']   = adx(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), period)

補足

average_directional_indexをadxと略していますが、ソースを見ると、adxと記載があったのであっていると思います。

DEMA（2重指数移動平均）Double Exponential Moving Average

タイプ：トレンド系

パラメーターの設定

dss(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.double_exponential_moving_average import double_exponential_moving_average as dema

period = 5

df['dema'] = dema(df['Close'].values.tolist(), period)

DSS（2重平滑化確率）Double Smoothed Stochastic

タイプ：オシレーター系

パラメーターの設定

dss(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.double_smoothed_stochastic import double_smoothed_stochastic as dss

period = 14

df['dss']   = dss(df['Close'].values.tolist(), period)

EMA（指数平滑移動平均線）Exponential Moving Average

タイプ：トレンド系

ema(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.exponential_moving_average import exponential_moving_average as ema

period = 5

df['ema'] = ema(df['Close'].values.tolist(), period)

HMA（ハル移動平均線）Hull Moving Average

タイプ：トレンド系

hma(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.hull_moving_average import hull_moving_average as hma

period = 5

df['hma'] = hma(df['Close'].values.tolist(), period)

一目均衡表（Ichimoku Cloud）

タイプ：トレンド系

本モジュールでは以下の5つの値を取得することができます。

• TenkanSen
• KijunSen
• Chiku Span
• Senkou A
• Senkou B

パラメーターの設定

tenkansen(終値, 期間=9):
kijunsen(終値, 期間=26):
chiku_span(終値):
senkou_a(終値):
senkou_b(終値, 期間=52):

• 終値：リスト形式の値。最長であるsenkou_bの期間以上にデータがないとエラーになる。
• 期間：期間を設定する。上記にそれぞれのデフォルト値を記載しました。

chiku_spanとsenkou_a、senkou_bは、返り値のリストの個数が変わってしまうため、データフレームではエラーになります。
そこで以下のように少し手を加えました。

• chiku_span：shiftに置き換えました。
• senkou_a、senkou_b：[:len(df)]を追加して行数を揃えました。

from pyti.ichimoku_cloud import tenkansen
from pyti.ichimoku_cloud import kijunsen
from pyti.ichimoku_cloud import chiku_span
from pyti.ichimoku_cloud import senkou_a
from pyti.ichimoku_cloud import senkou_b

df['tenkansen']  = tenkansen(df['Close'].values.tolist())
df['kijunsen']   = kijunsen(df['Close'].values.tolist())
# df['chiku_span'] = chiku_span(df['Close'].values.tolist())
# data[25::] ＊ソースがこのようになっていました。
df["chiku_span"] = df.Close.shift(-25)

df['senkou_a']   = senkou_a(df['Close'].values.tolist())[:len(df)]
df['senkou_b']   = senkou_b(df['Close'].values.tolist())[:len(df)]

ケルトナーバンド（Keltner Bands）

タイプ：オシレーター系

本モジュールでは以下の4つの値を取得することができます。
σ（シグマ）の値の初期値は全て2.0です。-σの値は負数ではなく正数で指定します。

• Bandwidth
• Center Band（SMAと同じです）
• Upper Band
• Lower Band

パラメーターの設定

b_width(高値, 安値, 期間)

center_b(終値, 高値, 安値, 期間)

upper_b(終値, 高値, 安値, 期間)

lower_b(終値, 高値, 安値, 期間)

• 終値, 高値, 安値：リスト形式の値。
• 期間：期間を設定する。

from pyti.keltner_bands import band_width as b_width
from pyti.keltner_bands import center_band as center_b
from pyti.keltner_bands import upper_band as upper_b
from pyti.keltner_bands import lower_band as lower_b

period = 20

df['b_width']   = b_width(df['High'].values.tolist(), df['Low'].values.tolist(), period)
df['center_b']  = center_b(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), period)
df['upper_b']   = upper_b(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), period)
df['lower_b']   = lower_b(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), period)

LWMA（線形加重移動平均）Linear Weighted Moving Average

タイプ：トレンド系

パラメーターの設定

lwma(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

理由はわかりませんが、正しいと思われる値を取得できませんでした。

from pyti.linear_weighted_moving_average import linear_weighted_moving_average as lwma

period = 5

df['lwma'] = lwma(df['Close'].values.tolist(), period)

Momentum（モメンタム）

タイプ：オシレーター系

パラメーターの設定

momentum(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.momentum import momentum

period = 14

df['momentum']   = momentum(df['Close'].values.tolist(), period)

MF（マネー・フロー）Money Flow

タイプ：その他

通常はMF単体では利用せず、他の指標の元の値となる。

パラメーターの設定

mf(終値, 高値, 安値, 出来高)

• 終値, 高値, 安値, 出来高：リスト形式の値。

from pyti.money_flow import money_flow as mf

df['mf']   = mf(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), df['Volume'].values.tolist())

MFI（マネー・フロー・インデックス）Money Flow Index

タイプ：オシレーター系

パラメーターの設定

mf(終値, 高値, 安値, 出来高, 期間)

• 終値, 高値, 安値, 出来高：リスト形式の値。期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。（通常に14日）

from pyti.money_flow_index import money_flow_index as mfi

period = 14

df['mfi']   = mfi(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist(), df['Volume'].values.tolist(), period)

MACD（マックディー）Moving Average Convergence Divergence

タイプ：オシレーター系

MACDは通常単独では利用せず、シグナルと言われるMACDの単純移動平均を合わせて利用する。

パラメーターの設定

macd(データ, 短期, 長期)

• データ：リスト形式の値、長期以上のデータ数量がないとエラーになる。
• 短期：短期の期間を設定する。（一般的に12日）
• 長期：長期の期間を設定する。（一般的に26日）

sma(データ, 期間)

• データ：MACDの値をリスト形式にする。
• 期間：期間を設定する。（一般的に9日）

from pyti.moving_average_convergence_divergence import moving_average_convergence_divergence as macd
from pyti.simple_moving_average import simple_moving_average as sma

macd_period = {'long' : 26, 'short' : 12}
sma_period  = 9

df['macd']   = macd(df['Close'].values.tolist(), macd_period['short'], macd_period['long'])
df['signal'] = sma(df['macd'].values.tolist(), sma_period)

補足

計算式：MACD = 短期EMA – 長期EMA

MAE（エンベロープ）Moving Average Envelope

タイプ：トレンド系

本モジュールでは以下の値を取得できます。

• Upper Band
• Center Band（SMAと同じです）
• Lower Band

パラメーターの設定

center_band(終値, 期間)　upper_band(終値, 期間, ％)　lower_band(終値, 期間, ％)

• 終値：リスト形式の値。
• 期間：期間を設定する。
• ％：パーセントを小数点で指定する。（通常0.01〜0.1）

from pyti.moving_average_envelope import center_band as center_band
from pyti.moving_average_envelope import upper_band as upper_band
from pyti.moving_average_envelope import lower_band as lower_band

period = 14
env_percentage = 0.01

df['center_band']  = center_band(df['close'].values.tolist(), period)
df['upper_band']   = upper_band(df['close'].values.tolist(), period, env_percentage)
df['lower_band']   = lower_band(df['close'].values.tolist(), period, env_percentage)

OBV（オン・バランス・ボリューム）On Balance Volume

タイプ：トレンド系

パラメーターの設定

obv(終値, 出来高)

• 終値、出来高：リスト形式の値。

from pyti.on_balance_volume import on_balance_volume as obv

df['obv']  = obv(df['Close'].values.tolist(), df['Volume'].values.tolist())

プライスチャネル（Price Channels）

タイプ：トレンド系

本モジュールでは以下の値を取得できます。

• Upper Price Channel
• Lower Price Channel

パラメーターの設定

upc(終値, 期間, パーセント)　lpc(終値, 期間, パーセント)

• 終値：リスト形式の値。
• 期間：期間を設定する。（20日）
• パーセント：1くらい

from pyti.price_channels import upper_price_channel as upc
from pyti.price_channels import lower_price_channel as lpc

period = 20
upper_percent = 1
lower_percent = 1

df['upc']   = upc(df['close'].values.tolist(), period, upper_percent)
df['lpc']   = lpc(df['close'].values.tolist(), period, lower_percent)

PPO（プライスオシレーター）Price Oscillator

タイプ：オシレーター系

PROは通常単独では利用せず、シグナル（SIGNAL）と言われるPROの単純移動平均を合わせて利用する。
PROとSIGNALの差分のHistogramも合わせて表示することもある。

パラメーターの設定

pro(データ, 短期, 長期)

• データ：リスト形式の値、長期以上のデータ数量がないとエラーになる。
• 短期：短期の期間を設定する。（一般的に12日）
• 長期：長期の期間を設定する。（一般的に26日）

sma(データ, 期間)

• データ：MACDの値をリスト形式にする。
• 期間：期間を設定する。（一般的に9日）

from pyti.price_oscillator import price_oscillator as pro
from pyti.simple_moving_average import simple_moving_average as sma

short_period = 12
long_period = 26
signal_period = 9

df['pro']   = pro(df['close'].values.tolist(), short_period, long_period)
df['signal'] = sma(df['pro'].values.tolist(), signal_period)
df['histogram'] = df['pro'] - df['signal']

ROC（変化率）Rate of Change

タイプ：オシレーター系

パラメーターの設定

roc(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.rate_of_change import rate_of_change as roc

period = 14

df['roc']   = roc(df['Close'].values.tolist(), period)

RSI（相対力指数）Relative Strength Index

タイプ：オシレーター系

パラメーターの設定

rsi(データ, 期間)

• データ：リスト形式の値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.relative_strength_index import relative_strength_index as rsi

period = 14

df['rsi']   = rsi(df['Close'].values.tolist(), period)

SMA（単純移動平均）Simple Moving Average

タイプ：トレンド系

パラメーターの設定

sma(データ, 期間)

• データ：リスト形式の値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.simple_moving_average import simple_moving_average as sma

sma_period  = 9

df['signal'] = sma(df['Close'].values.tolist(), sma_period)

SMMA（平滑移動平均）Smoothed Moving Average

タイプ：トレンド系

パラメーターの設定

smma(データ, 期間)

• データ：リスト形式の値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.smoothed_moving_average import smoothed_moving_average as smma

period = 5

df['smma'] = smma(df['Close'].values.tolist(), period)

SD（標準偏差）Standard Deviation

タイプ：その他

通常、単独では使わず、他の指標の元データとなっているようです。

パラメーターの設定

sd(データ, 期間)

• データ：リスト形式の値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.standard_deviation import standard_deviation as sd

period = 20

df['sd']   = sd(df['Close'].values.tolist(), period)

SV（分散）Standard Variance

タイプ：その他

通常、単独では使わず、他の指標の元データとなっているようです。

パラメーターの設定

sv(データ, 期間)

• データ：リスト形式の値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.standard_variance import standard_variance as sv

period = 20

df['sv']   = sv(df['Close'].values.tolist(), period)

ストキャスティクス（Stochastic）

タイプ：オシレーター系

本モジュールでは以下の2つの値を取得することができます。

• %K
• %D

パラメーターの設定

srv_k(データ, 期間)　srv_d(データ, 期間)

• データ：リスト形式の値、期間以上のデータ数量がないとエラーになる。ある程度の期間がないと値がnanになる。
• 期間：期間を設定する。

from pyti.stochastic import percent_k as srv_k
from pyti.stochastic import percent_d as srv_d

period = 14

df['srv_k']   = srv_k(df['Close'].values.tolist(), period)
df['srv_d']   = srv_d(df['Close'].values.tolist(), period)

ストキャスティクス RSI（StochRSI）

タイプ：オシレーター系

パラメーターの設定

srsi(データ, 期間)

• データ：リスト形式の値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.stochrsi import stochrsi as srsi

period = 14

df['srsi']   = srsi(df['Close'].values.tolist(), period)

TMA（三角移動平均）Triangular Moving Average

タイプ：トレンド系

tma(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.triangular_moving_average import triangular_moving_average as tma

period = 5

df['tma'] = tma(df['Close'].values.tolist(), period)

TEMA（3重指数移動平均）Triple Exponential Moving Average

タイプ：トレンド系

tema(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.triple_exponential_moving_average import triple_exponential_moving_average as tema

period = 5

df['tema'] = tema(df['Close'].values.tolist(), period)

TR（トゥルー レンジ）True Range

タイプ：その他

TRの計算式が色々あるのか、私が調べた式とソースの式が異なっています。
またモジュール内の説明の式とソースも一致していないですが、論理的には問題ないです。

TRの計算式の色々

• TR = 高値 – 安値
• TR = max(高値 – 安値, 高値 – 前日終値, 前日終値 – 安値)
• TR = max(期間の終値の高値 – 期間の終値の安値, 期間の終値の高値 – 前日終値, 期間の終値の安値 – 前日終値)

どれが正しいかわかりませんが、最後の式がこのモジュールの計算式です。
もしかすると、TRはATRの計算式に利用され、ATRはDMIに利用されるため、このモジュールではこのような計算式になっているのかも知れません。

パラメーターの設定

tr(データ, 期間)

• データ：リスト形式の終値、期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.true_range import true_range as tr

period = 14

df['tr']   = tr(df['Close'].values.tolist(), period)

TP（Typical Price）

タイプ：その他

通常、単独では使わず、他の指標の元データとなっているようです。

パラメーターの設定

tp(終値, 高値, 安値, 出来高)

• 終値, 高値, 安値：リスト形式の値。

from pyti.typical_price import typical_price as tp

df['tp']   = tp(df['Close'].values.tolist(), df['High'].values.tolist(), df['Low'].values.tolist())

UO（アルティメット・オシレーター）Ultimate Oscillator

タイプ：オシレーター系

パラメーターの設定

uo(終値, 安値)

• 終値、安値：リスト形式の値。28期間以上のデータ数量がないとエラーになる。

from pyti.ultimate_oscillator import ultimate_oscillator as uo

df['uo']   = uo(df['Close'].values.tolist(), df['Low'].values.tolist())

補足

本モジュールは考案者のラリー・ウィリアムズの提案とおりに7日間、14 日間、28日間の3期間から指標を作成します。

もし、別の期間に設定する場合は、UOでは期間指定ができないため、個別に生成して算出するしかないです。

• 個別に算出
  • avg_7 = average_7(close_data, low_data, period=7):
  • avg_14 = average_14(close_data, low_data, period=14):
  • avg_28 = average_28(close_data, low_data, period=28):
• UOを算出
  • a7= 4 × avg_7
  • a14= 2 × avg_14
  • a28= avg_28
  • uo= 100 × ((a7+ a14+ a28) ÷ 7)

VHF（Vertical Horizontal Filter）

タイプ：オシレーター系

パラメーターの設定

vhf(データ, 期間)

• データ：リスト形式の値。期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。（12日、または28日）

from pyti.vertical_horizontal_filter import vertical_horizontal_filter as vhf

period  = 28

df['vhf']   = vhf(df['Volume'].values.tolist(), period)

ボラティリティー（Volatility）

タイプ：その他

このモジュールは、ヒストリカル・ボラティリティです。

パラメーターの設定

volatility(データ, 期間)

• データ：リスト形式の値。期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.volatility import volatility as volatility

period = 10

df['volatility']   = volatility(df['Close'].values.tolist(), period)

補足

計算式

Volatility = SD / SV

VAMA（出来高調整済み移動平均線）Volume Adjusted Moving Average

タイプ：トレンド系

パラメーターの設定

vwma(データ, 期間)

• データ：リスト形式の値。期間以上のデータ数量がないとエラーになる。
• 期間：期間を設定する。

from pyti.volume_adjusted_moving_average import volume_adjusted_moving_average as vwma

period = 5

df['vwma'] = vwma(df['Close'].values.tolist(), df['Volume'].values.tolist(), period)

VI（ボリューム・インデックス）Volume Index

タイプ：オシレーター系

本モジュールは以下の2つの指標を作成することができます。

• PVI（ポジティブ・ボリューム・インデックス）
• NVI（ネガティブ・ボリューム・インデックス）

パラメーターの設定

pvi(終値, 出来高)　nvi(終値, 出来高)

• 終値, 出来高：リスト形式の値。

from pyti.volume_index import positive_volume_index as pvi
from pyti.volume_index import negative_volume_index as nvi

df['pvi']   = pvi(df['Close'].values.tolist(), df['Volume'].values.tolist())
df['nvi']   = nvi(df['Close'].values.tolist(), df['Volume'].values.tolist())

ボリューム・オシレーター（Volume Oscillator）

タイプ：オシレーター系

ボリューム・オシレーターには、以下の2つの指標がありますが、本モジュールはPVOとなります。

• AVO =（短期EMA – 長期EMA）
• PVO =（短期EMA – 長期EMA）÷ 長期EMA × 100

パラメーターの設定

vc(出来高, 短期, 長期)

• 出来高：リスト形式の終値。
• 短期、長期：期間を設定します。

from pyti.volume_oscillator import volume_oscillator as vc

short_period = 20
long_period  = 25

df['vc']   = vc(df['Volume'].values.tolist(), short_period, long_period)

WMA（加重移動平均線）Weighted Moving Average

タイプ：トレンド系

パラメーターの設定

wma(データ, 期間)

• データ：リスト形式の終値。
• 期間：期間を指定します。

from pyti.weighted_moving_average import weighted_moving_average as wma

period = 5

df['wma'] = wma(df['Close'].values.tolist(), period)

ウィリアムズ％R（Williams %R）

タイプ：オシレーター系

パラメーターの設定

wpr(データ)

• データ：リスト形式の終値。

from pyti.williams_percent_r import williams_percent_r as wpr

df['wpr']   = wpr(df['Close'].values.tolist())

補足

計算式

%R = (終値－過去n日間の最高値) ÷ (過去n日間の最高値－過去n日間の最安値) × 100

とするならば、本モジュールでは期間を指定できないため目的とは異なる値になる。

本モジュールの計算式（ソース）

highest_high = np.max(close_data)
lowest_low = np.min(close_data)
wr = [((highest_high - close) / (highest_high - lowest_low)) * -100 for close in close_data]