bitWalk's: 【備忘録】一目均衡表

一目均衡表（いちもくきんこうひょう）は、株式、商品、為替の取引相場の罫線表（チャート）分析法の一つです。都新聞（現東京新聞）商況部部長の細田悟一が私設研究所を設立して、7 年の歳月と延べ 2000 人の人手をかけて開発しました。1935 年（昭和10年）に「新東転換線」として同紙で発表されています。

戦後、細田がペンネームを「一目山人（いちもくさんじん）」と改めたのに合わせて、この「新東転換線」を「一目均衡表」と改名しました。現在では一目均衡表は日本発のテクニカル分析ツールとして海外の投資家にも参照され、「Ichimoku」として広く知られています。

「一目均衡表」は細田の遺族が経営する株式会社経済変動総研の登録商標です。

Wikipedia より引用・編集

株式の取引をするようになって、ラジオ日経の「マーケットプレス」を聞いていると、ときどき一目均衡表を用いた分析例が紹介されます。先週の歴史的な東京市場の暴落を経験して、長期的な視点で自分でも分析できるようにしようと思い、一目均衡表の作成方法を調べました。

ただ、一目均衡表については、まだ内容を咀嚼できておらず、とても使いこなせるレベルではありません。本ブログで紹介する Python のスクリプトも、yfinance で取得したデータを使っているということ以外は、参考サイト [1] で紹介されているスクリプトのほぼ丸写しです。そのため、自分向けの備忘録として公開します。🙇🏻

下記の OS 環境で動作確認をしています。

	RHEL 9.4	x86_64
	Python	3.12.1
	jupyterlab	4.2.4
	matplotlib	3.9.1.post1
	mplfinance	0.12.10b0
	yfinance	0.2.41

以下の作業は JupyterLab 上でおこなっています。

まず、必要なパッケージをインポートします。

import matplotlib.pyplot as plt
import mplfinance as mpf
import yfinance as yf

過去１年分の日経平均株価 (^N225) を取得します。

symbol = '^N225'
ticker = yf.Ticker(symbol)
df = ticker.history(period='1y')
df

データフレームの列を追加して、一目均衡表の５本の補助線を算出します。

# 基準線に使用するデータを作成
high = df['High']
low = df['Low']
 
max26 = high.rolling(window=26).max()
min26 = low.rolling(window=26).min()
df['basic_line'] = (max26 + min26) / 2
 
# 転換線に使用するデータを作成
high9 = high.rolling(window=9).max()
low9 = low.rolling(window=9).min()
df['turn_line'] = (high9 + low9) / 2
 
# 先行スパン１に使用するデータを作成
span1 = (df['basic_line'] + df['turn_line']) / 2
df['span1'] = span1.shift(25)
 
# 先行スパン２に使用するデータを作成
high52 = high.rolling(window=52).max()
low52 = low.rolling(window=52).min()
span2 = (high52 + low52) / 2
df['span2'] = span2.shift(25)
 
# 遅行線に使用するデータを作成
df['slow_line'] = df['Close'].shift(-25)
 
df

mplfinance でローソク足チャートを描画し、基準線、転換線、雲、遅行線を追加します。

# 基準線に使用するデータを作成
high = df['High']
low = df['Low']
 
 
max26 = high.rolling(window=26).max()
min26 = low.rolling(window=26).min()
df['basic_line'] = (max26 + min26) / 2
 
 
# 転換線に使用するデータを作成
high9 = high.rolling(window=9).max()
low9 = low.rolling(window=9).min()
df['turn_line'] = (high9 + low9) / 2
 
 
# 先行スパン１に使用するデータを作成
span1 = (df['basic_line'] + df['turn_line']) / 2
df['span1'] = span1.shift(25)
 
 
# 先行スパン2に使用するデータを作成
high52 = high.rolling(window=52).max()
low52 = low.rolling(window=52).min()
span2 = (high52 + low52) / 2
df['span2'] = span2.shift(25)
 
 
# 遅行線に使用するデータを作成
df['slow_line'] = df['Close'].shift(-25)
 
apd = [
    mpf.make_addplot(df['basic_line'], color='red', width=1),                       # 基準線
    mpf.make_addplot(df['turn_line'], color='blue', width=1),                       # 転換線
    mpf.make_addplot(df['span1'], color='magenta', linestyle='dotted', width=0.5),  # 先行スパン１
    mpf.make_addplot(df['span2'], color='darkcyan', linestyle='dotted', width=0.5), # 先行スパン２
    mpf.make_addplot(df['slow_line'], color='orange', width=1),                     # 遅行スパン
]
 
labels = ['basic', 'turn', 'span1', 'span2', 'slow']
 
# 抵抗帯（雲）
# 先行スパン１ (span1) が上にある雲（マゼンタ）と、先行スパン２ (span2) が上にある雲（シアン）の２種類に分ける。
y1 = df['span1'].values
y2 = df['span2'].values
fb_span1 = dict(y1=y1, y2=y2, where=y1>y2, alpha=0.1, color='magenta', interpolate=True)
fb_span2 = dict(y1=y1, y2=y2, where=y1<y2, alpha=0.1, color='darkcyan', interpolate=True)
fb_span_both = [fb_span1, fb_span2]
 
title = '%s (%s)' % (
    ticker.info['longName'],
    ticker.info['symbol'],
)
 
# チャートを表示
mpf.plot(
    df,
    title=title,
    type='candle',
    style='yahoo',
    datetime_format='%y-%m-%d',
    xrotation=0,
    addplot=apd,
    returnfig=True,
    fill_between=fb_span_both,
    figsize=(12, 6),
    #tight_layout=True,
)
 
plt.savefig('n255_ichimoku.png')
# チャートを表示
plt.show()