분류성능평가지표 - Precision(정밀도), Recall(재현율) and Accuracy(정확도)
기계학습에서 모델이나 패턴의 분류 성능 평가에 사용되는 지표들을 다루겠습니다. 어느 모델이든 간에 발전을 위한 feedback은 현재 모델의 performance를 올바르게 평가하는 것에서부터 시작합니다. 모델이 평가해야하는 요소와 그 것을 수치화한 지표들, 그리고 관련 개념들에 대해서 다루도록 하겠습니다.
모델의 분류와 정답
모델을 평가하는 요소는 결국, 모델이 내놓은 답과 실제 정답의 관계로써 정의를 내릴 수 있습니다. 정답이 True와 False로 나누어져있고, 분류 모델 또한 True False의 답을 내놓 습니다. 그렇게 하면, 아래와 같이 2x2 matrix로 case를 나누어볼 수 있겠네요.
이제 각 case별로 살펴보겠습니다.
- True Positive(TP) : 실제 True인 정답을 True라고 예측 (정답)
- False Positive(FP) : 실제 False인 정답을 True라고 예측 (오답)
- False Negative(FN) : 실제 True인 정답을 False라고 예측 (오답)
- True Negative(TN) : 실제 False인 정답을 False라고 예측 (정답)
이러한 case별로 우리의 분류 모델의 성능을 어떻게 평가할 수 있을까요?
1. Precision, Recall and Accuracy
Precision, Recall, Accuracy는 논문에서도 사용하는 지표들이며 가장 눈에 익는 지표들입 니 다. 하지만 서로 헷갈리는 경우가 많으니, 제대로 정리할 필요가 있겠 습니 다. 우리는 모델이 예측한 다양한 경우를 생각해보며, 위의 2x2 matrix에 해당하는 것을 어떻게 지표화 할 것인지 고민해보겠습니다. 지표를 고민함과 동시에 실제 사례를 들어서 해당 지표를 왜 써야하는지도 함께 생각해보고자 합니다. 여기서는 한달 동안의 날씨를 예측하는 상황을 생각해보겠습니다. 날씨는 비가 오거나 맑거나 평균트루범위 지표 두 가지만 존재한다고 가정합니다.
1.1 Precision(정밀도)
정밀도란 모델이 True라고 분류한 것 중에서 실제 True인 것의 비율입니다. 즉, 아래와 같은 식으로 표현할 수 있습니다.
Positive 정답률, PPV(Positive Predictive Value)라고도 불립니다. 날씨 예측 모델이 맑다로 예측했는데, 실제 날씨가 맑았는지를 살펴보는 지표라고 할 수 있겠습니다.
1.2 Recall(재현율)
재현율이란 실제 True인 것 중에서 모델이 True라고 예측한 것의 비율입니다.
통계학에서는 sensitivity으로, 그리고 다른 분야에서는 hit rate라는 용어로도 사용합니다. 실제 날씨가 맑은 날 중에서 모델이 맑다고 예측한 비율을 나타낸 지표인데, 정밀도(Precision)와 True Positive의 경우를 다르게 바라보는 것입니다. 즉, Precision이나 Recall은 모두 실제 True인 정답을 모델이 True라고 예측한 경우에 관심이 있으나, 바라보고자 하는 관점만 다릅니다. Precision은 모델의 입장에서, 그리고 Recall은 실제 정답(data)의 입장에서 정답을 정답이라고 맞춘 경우를 바라보고 있습니다. 다음의 경우를 생각해보겠습니다.
"어떤 요소에 의해, 확실히 맑은 날을 예측할 수 있다면 해당하는 날에만 맑은 날이라고 예측하면 되겠다."
이 경우에는 확실하지 않은 날에는 아에 예측을 하지 않고 보류하여 FP의 경우의 수를 줄여, Precision을 극도로 끌어올리는 일종의 편법입니다. 예를 들어 한달 30일 동안 맑은 날이 20일이었는데, 확실한 2일만 맑다고 예측한다면, 당연히 맑다고 한 날 중에 실제 맑은 날(Precision)은 100%가 나오게 됩니다. 하지만 과연, 이러한 모델이 이상적인 모델일까요?
따라서, 우리는 실제 맑은 20일 중에서 예측한 맑은 날의 수도 고려해 보아야합니다. 이 경우에는 Precision만큼 높은 결과가 나오지 않습니다. Precision과 함께 Recall을 함께 고려하면 실제 맑은 날들(즉, 분류의 대상이 되는 정의역, 실제 data)의 입장에서 우리의 모델이 맑다고 예측한 비율을 함께 고려하게 되어 제대로 평가할 수 있습니다. Precision과 Recall은 상호보완적으로 사용할 수 있으며, 두 지표가 모두 높을 수록 좋은 모델입니다.
1.3 Precision-Recall Trade-off
1. 3. 1 with Type 1, 2 error
이 table과 위 matrix는 같은 개념을 다르게 표현한 것 뿐입니다. 가설 검정에서도 평균트루범위 지표 Type 1 error와 Type 2 error는 서로 trade off 관계에 있다고 배웠습니다. 여기서 다시 짚고 넘어가보죠.
이 정의에 따라 Type 1, 2 error를 그림으로 살펴봅시다.
Image Source: https://stats.stackexchange.com/questions/211736/type-i-error-and-type-ii-error-trade-off
가설 검정 시에 어떤 상황에서 어떤 가설을 받아들일지의 기준이 필요합니다. 그래서, 그 기준으로써 critical region을 잡게 되는데 Type 1 error는 H0가 true일 때, reject H0일 확률, 즉, 미리 설정해둔 critical region의 표본을 뽑을 확률입니다. 위의 그림에서 Any mean이 기준점이고 H0 관점에서 빨간색 영역이 기각역이라고 볼 수 있습니다. 그리고 이 기각역에 따라 Type 2 error도 정해집니다. 그림으로 보다시피 Any mean을 좌우로 조정하게되면 Type 1, 2 error의 크기가 변합니다. 하지만 둘다 커지거나 둘다 작아지는 경우가 없는 trade-off관계입니다.
다시 본론으로 돌아와서, Precision과 Recall은 TP를 분자로써 같이하고 분모에는 TP에 Type 1, 2 error에 해당하는 FN, FP를 더하여 계산합니다. 이때, FN, FP는 각각 Type 1, 2 error에 있으므로 Precision과 Recall 또한 trade-off 관계에 있다고 할 수 있습니다.
1. 3.2 with Venn-diagram
A는 실제 날씨가 맑은 날입니다. 그리고 B는 모델에서 날씨가 맑은 날이라고 예측한 것입니다. 이때 b의 영역은 TP로 실제 맑은 날씨를 모델이 맑다고 제대로 예측한 영역입니다. 이러한 영역 상에서 Precision과 Recall은 다음과 같습니다.
모델의 입장에서 모두 맑은 날이라고만 예측하는 경우를 생각해봅시다. 그렇게 되면 TN(d)의 영역이 줄어들게 되고 그에 따라 FN(a)의 영역 또한 줄게 됩니다. 그러므로 Recall은 분모의 일부인 FN(a)영역이 줄기 때문에 Recall은 100%가 됩니다. 즉, 여기서 A⊂B인 관계를 형성합니다. 하지만, 주의할 것은 단순히 a의 영역만 줄어드는 것이 아니라 d의 영역과 a의 영역이 모두 c로 흡수된다는 것입니다. Precision의 경우에는 기존보다 FP(c)의 영역이 커져 Precision은 줄게 됩니다. 이해가 안된다면 다음 표로 이해해보겠습니다.
General Case에서 Recall은 20 / 50 = 40%, Precision = 20 / 60 = 33.3% 입니다. 그리고 분류모델이 모두 True라고 예측한 오른쪽의 case에서의 recall은 FN = 0이므로 100%이지만 그에 따라 FP가 늘어서 precision은 20/100 = 20%가 되었습니다. 이처럼 precision과 recall은 모두 높은 것이 좋지만, trade-off 관계에 있어서 함께 늘리기가 힘듭니다.
1.4 Accuracy(정확도)
이제는 또 관점을 다르게 생각해봅시다. 사고의 확장이 빠른 사람들은 예상했겠지만, 위 두 지표는 모두 True를 True라고 옳게 예측한 경우에 대해서만 다루었 습니 다. 하지만, False를 False라고 예측한 경우도 옳은 경우입니다. 이때, 해당 경우를 고려하는 지표가 바로 정확도(Accuracy) 입니 다. 식으로는 다음과 같이 나타냅니다.
정확도는 가장 직관적으로 모델의 성능을 나타낼 수 있는 평가 지표입니다. 하지만, 여기서 고려해야하는 것이 있습니다. 바로 domain의 편중(bias)입니다. 만약 우리가 예측하고자 하는 한달 동안이 특정 기후에 부합하여 비오는 날이 흔치 않다고 생각해보죠. 이 경우에는 해당 data의 domain이 불균형하게되므로 맑은 것을 예측하는 성능은 높지만, 비가 오는 것을 예측하는 성능은 매우 낮을 수 밖에 없습니다. 따라서 이를 보완할 지표가 필요합니다.
1.5 F1 score
1.5.1 F1 score
F1 score는 Precision과 Recall의 조화평균입니다.
F1 score는 데이터 label이 불균형 구조일 때, 모델의 성능을 정확하게 평가할 수 있으며, 성능을 하나의 숫자로 표현할 수 있습니다. 여기서 단순 산술평균으로 사용하지 않는 이유는 무엇일까요? 우리가 평균 속력을 구할 때, 이 조화평균의 개념을 사용해 본 경험이 있을 것입니다. 조화평균의 본질에 대해 이해해보겠습니다.
1.5.2 조화평균의 기하학적 접근
조화평균은 기하학적으로 다음과 평균트루범위 지표 같이 표현할 수 있 습니 다. 서로 다른 길이의 A, B와 이 두 길이의 합만큼 떨어진 변(AB)으로 이루어진 사다리꼴을 생각해봅시다. 이 AB에서 각 변의 길이가 만나는 지점으로부터 맞은 편의 사다리꼴의 변으로 내린 평균트루범위 지표 선분이 바로 조화평균을 나타냅니다.
기하학적으로 봤을 때, 단순 평균이라기보다는 작은 길이 쪽으로 치우치게 된, 그러면서 작은 쪽과 큰 쪽의 사이의 값을 가진 평균이 도출됩니다. 이렇게 조화평균을 이용하면 산술평균을 이용하는 것보다, 큰 비중이 끼치는 bias가 줄어든다고 볼 수 있습니다. 즉, F1-score는 아래와 같이 생각할 수 있습니다.
2. 그 외 다른 지표들
이 외에도 모델의 성능을 측정하는 다양한 지표들이 존재합니다. 다음을 살펴봅시다.
2.1 Fall-out
Fall-ou t은 FPR(False Positive Rate)으로도 불리며, 실제 False인 data 중에서 모델이 True라고 예측한 비율입니 다. 즉, 모델이 실제 false data인데 True라고 잘못 예측(분류)한 것으로 다음과 같이 표현할 수 있 습니 다.
2.1 ROC(Receiver Operating Characteristic) curve
여러 임계값들을 기준으로 Recall-Fallout의 변화를 시각화한 것입니다. Fallout은 실제 False인 data 중에서 모델이 True로 분류한, 그리고 Recall은 실제 True인 data 중에서 모델이 True로 분류한 비율을 나타낸 지표로써, 이 두 지표를 각각 x, y의 축으로 놓고 그려지는 그래프를 해석합니다. 아래 예시를 보죠.
Image Source: https://www.medcalc.org/manual/roc-curves.php
curve가 왼쪽 위 모서리에 가까울수록 모델의 성능이 좋다고 평가합니다. 즉, Recall이 크고 Fall-out이 작은 모형이 좋은 모형인 것입니다. 또한 y=x 그래프보다 상단에 위치해야 어느정도 성능이 있다고 말할 수 있습니다.
2.2 AUC(Area Under Curve)
ROC curve는 그래프이기 때문에 명확한 수치로써 비교하기가 어렵 습니 다. 따라서 그래프 아래의 면적값을 이용합니다. 이것이 바로 AUC(Area Under Curve) 입니다. 최대값은 1이며 좋은 모델(즉, Fall-out에 비해 Recall 값이 클수록) 1에 가까운 값이 나옵니다.
Average True Range - ATR 지표
ATR 지표는 단독으로 방향을 표시하는 시도를 제쳐두고 시장의 변동성과 변동성을 측정하는 도구로 Welles Wilder에 의해 소개 되었습니다. True Range(트루 범위)와 달리 ATR에는 갭과 한계 이동의 변동성이 포함됩니다. ATR 지표는 강력한 움직임을 위해 가격 움직임에 대한 시장의 관심을 평가하는데 효과적이며 일반적으로 큰 폭의 돌파(break-out)를 동반합니다.
ATR 지표 사용 방법
ATR은 일별 및 더욱 긴 타임프레임을 가진 14개 기간과 함께 사용되며, 거래 상품의 가격과 관련된 변동성 값을 반영합니다. ATR 값이 낮으면 일반적으로 범위 거래에 해당하며, 값이 높으면 추세 브레이크아웃/브레이크다운을 나타낼 수 있습니다.
ATR 지표 (Average True Range, 실변동폭의 이동평균)
ATR 계산
ATR은 다음 세 값 중 가장 큰 트루 범위(true range)의 이동 평균입니다.
- 오늘 최고가에서 오늘 최저가까지의 거리
- 어제 종가에서 오늘 최고가까지의 거리 평균트루범위 지표
- 어제 종가에서 오늘 최저가까지의 거리
거래 플랫폼에서 Average True Range (실변동폭의 이동평균) 사용 방법
Use indicators after downloading one of the trading platforms, offered by IFC Markets.
평균진정범위(ATR)란?
변동성은 시장 초기부터 존재해온 개념입니다. 자산 가격은 수요와 공급에 따라 결정되고 그 기조는 꽤 변덕스럽습니다. 가상화폐 시장은 그 변동성으로 악명높습니다. 가격이 큰 폭으로 변동하면서 2010년 초 엄청난 거품이 생겼던 거라고 할 수 있을 정도입니다.
애널리스트들은 수 십년간 변동성에 대해 연구하고 있지만 여전히 그 개념은 어느 자산을 막론하고 상대적인 오해를 낳고 있습니다. 크립토의 변동성도 크게 다르지 않습니다. 트레이더, 투자자, 커뮤니티 회원을 막론하고 더 혼란스러우면 혼란스러웠지 덜한 변동성을 경험하지는 않을 겁니다. 크립토 변동성을 오해하는 경우는 항상 있어왔지만 사실 불확실성은 크립토 시장에만 존재하는 것이 아닙니다. 그 미묘한 뉘앙스를 이해한다면 트레이더는 경쟁 우위를 점할 수 있습니다.
크립토 시장에서 변동성이란?
일반적으로 변동성이란 “현실화된 변동성” 개념을 말합니다. 즉 과거 가격 기록 데이터에서 나타난 변화에서 도출한 값이라는 겁니다. 변동성이 높을 수록 리스크와 관련성이 높아지는데, 이는 시장 조건이 거래에 영향을 미치게 된다는 것이고 투자가 빠르게 수익이나 손실로 이어지게 된다는 의미이기도 합니다. 데이 트레이더나 다른 단기 투자자에게는 굉장히 유용한 도구이겠지만, 기업이나 소규모 투자자에게는 가상화폐 진입을 가로막는 가장 큰 장애물이기도 합니다.
보통 변동성이 낮은 화폐는 안정성이 높고, 유동성이 높고 변동성이 낮은 가상화폐가 시장 진입을 위한 기저 화폐로 사용됩니다. 예를 들면 비트코인 (BTC), 이더리움 (ETH), 그리고 스테이블 코인인 테더 (USDT)가 있습니다. 리스크는 정확한 측정이 불가능하지만, 트레이더들은 보통 다양한 기술 지표를 활용하여 변동성 수치를 추적합니다.
평균진정범위(ATR)란?
J.Welles Wilder Jr는 1970년데 말에 출간한 그의 책 “신(新) 개념 기술트레이닝 시스템”에서 트레이더들이 변동성을 측정할 수 있도록 도와줄 수 있는 평균진정범위(ATR) 기술 분석 지표를 소개했습니다. ATR 은 특정 기간동안 자산 가격의 전체 범위를 해체하여 시장의 변동성을 측정합니다.
ATR은 시장 주문 시 매수/매도 지점을 표시할 때도 사용합니다. 이를 통해 트레이더가 가격 변동이 얼마나 심한 지 이해하고 손절가를 어디로 잡을 것인 지 결정하도록 도와줍니다. 변동성이 직접적으로 리스크를 대변하지는 않지만 관련 리스크를 추정할 수 있는 변동성을 분석하도록 도와줄 수 있습니다. 그러나 리스크는 변동성보다 훨씬 더 비가시적인 개념입니다.
변동성이 매우 높은 디지털자산은 사람의 반응 속도보다 더 빠르게 더 극단적으로 가치가 변합니다. 변동성은 투자 리스크 정도를 완전히 대변하지는 않지만 가상화폐 트레이딩이나 투자 전에 반드시 고려해야 할 주요 요인 중 하나임을 분명합니다. 변동성은 또한 투자 내러티브에서 핵심적인 역할을 담당하는 데, 이는 디지털 자산에서 특히 그렇습니다.
기관 투자자는 이미 가상화폐 리스크가 매우 높다는 생각에 진입할 마음을 접었습니다. 사실 피델리티 디지털 자산이 진행한 투자자 설문조사 결과 기관 투자자의 진입을 막는 핵심 장벽으로 변동성이 꼽혔습니다. 일부 애널리스트는 이를 불확실탓으로 돌리지만 사실 펀더멘털 투자 오류입니다. 전문적인 통찰력으로 포트폴리오를 관리하기 보다는 심리적 장애 때문에 변동성과 리스크를 하나로 합해서 보기 시작한 겁니다.
평균진정범위(ATR) 계산 방법
크립토 트레이딩에 ATR 지표 활용하기
실질적으로 ATR 지표는 주어진 기간 동안 진정 범위에 적용되는 이동 평균입니다. 어느 기간이든, 진정 범위는 다음 세 값 중 가장 높은 값을 대변합니다: 고점과 이전 종가 간 차이, 현재 저점 마이너스 이전 종가 값, 현재 고점과 저점 간 간극.
기간은 보통 14일로 설정하지만 이 역시 트레이더는 시장 상황에 맞게 변경할 수 있습니다. ATR은 시장 변동성에 대한 시그널만 제공할 뿐 시장이 강세인지 약세인지 여부는 반영하지 않습니다. ATR이 높으면 추세 시장을 대변하는 반면 값이 낮을 수록 시장 가격이 보합을 향한다는 것을 시사합니다.
ATR은 원자재 시장에서 처음 사용되기 시작했습니다. 그 후, 다른 섹터에서도 도입되어 사용되면서 트레이더들이 시장 이동과 추세를 평가하도록 도와주었습니다. ATR 지표는 또한 트레이더가 퍼센티지 기반 트레이딩 시스템을 사용하는 대신 트레이딩 범위를 확대하여 매수/매도하도록 도와줍니다.
트레이더는 또한 ATR을 활용하여 트레일링 손절 값을 추가하고 역전 현상이 생길 때마다 이를 탐지하여 수익을 보호할 수 있습니다. 상승이동 시 가격행동은 최저점부터 최대 3ATR까지 나타날 수 있습니다. 최고 종가 아래로 3ATR까지의 가격 이동은 약세로 역전될 수 있다는 시그널이 될 수 있습니다.
가상화폐 시장 변동성은 누군가에게는 평균트루범위 지표 장애로 보일 수 있지만 다수에게는 매력적인 조건이 됩니다. 일부 전문적인 트레이더는 바로 이 변동성 때문에 크립토 시장에 진입했습니다. 적은 스윙으로 상당한 수익을 얻을 수 있기 때문이죠. 이는 시장에 유동성을 가져오고 거래소 가격차(spread)를 줄이고 평균트루범위 지표 보다 성숙한 시장을 조성하는 역할을 할 수 있습니다. 더 많은 트레이더들이 변동성을 쫓게되면서 기존의 투자는 안정성을 찾고 신규 자산이 더욱 매력적인 후보로 떠오르게 됩니다.
변동성은 타격이 클 수 있지만 반드시 두려워해야 하는 건 아닙니다. 일부 투자자는 가상화폐에서 수익을 얻고 파생상품을 통한 자산 클래스에 노출되는 위험은 완전히 피할 수 있습니다. 그러나 투자자라면 소규모 투자자든, 기관 투자자든, 모든 계란을 한 바구니에 담는 리스크를 범하지 않는 게 중요합니다. 바구니에 담긴 계란이 그다지 변동성이 높지 않다고 해도 말입니다.
더 많은 사람들이 블록체인에 투자하면서, 크립토 자산의 변동성이 바로 줄어들지는 않겠지만 보다 바람직한 자산 클래스의 특성을 갖추게 될 겁니다. 크립토 포트폴리어의 급작스러운 상승과 하락으로 수익 반복성에 더 큰 안정성이 더해질 수 있으며 고정 기간동안 수익성은 평균치에 가깝게 변할 겁니다. 가상화폐 투자를 다양하게 조정하면서 변동성은 훨씬 더 관리가능하게 변모해갈 것이며 변동성을 추적할 수 있는 방법은 많지만 일부 방법은 그 확실성이 더 클 수 있습니다.
변동성 측정하기
ATR이 항상 시장 변동성을 추적할 수 있는 가장 적합한 지표는 아닙니다. 예를 들어 ATR은 추세 시장에서 장기간 극단적인 포지션을 선점하며 급장스러운 변화를 탐지하는 데 적합하지 않을 수 있습니다. 데이 트레이더는 종종 시장이 오픈하면 ATR 급등을 알아챕니다. 이 때가 하루 중 변동성이 가장 높은 시점이기 때문입니다. 그러나 블록체인은 24시간 돌아가기 때문에 가상화폐 시장에는 이를 적용하기 어렵습니다.
전통 시장은 주말에 개장하지 않기 때문에 함수에서 디지털 자산보다 더 적은 평균트루범위 지표 데이터 포인트를 사용하여 변동성을 측정합니다. 오류는 많지만 크립토는 가용한 자산이 많다는 의미이기 때문에 자산의 변동성을 측정하기 더 수월할 수 있습니다. 실제로는 그 차이가 상대적으로 유의미하지 않습니다. 계산에서 주말 트레이딩 데이터를 제거하면 변동성 측정치가 크게 달라지지 않기 때문입니다.
ATR은 또한 방향성을 반영하지 않습니다. 즉 변동성이 높다는 시그널은 상방을 뜻할수도 하방이동을 뜻할 수도 있다는 겁니다. 이러한 이유로 ATR은 평균방향지표(ADX)나 이동평균과 같은 추세 방향을 예측하는 지표와 조합하여 사용될 때 가장 좋습니다.
가상화폐 거래가 지닌 또 다른 문제는 전 세계 정부 대부분이 시장을 규제하지 않는다는 겁니다. 일부는 이를 장점이라고 생각하지만 결국 블록체인 시장에 진입하는 잠재적인 투자자의 수가 확연히 줄여들게 되는 결과를 낳게 됩니다. 주식 평균트루범위 지표 시장의 변동성은 그리 큰 문제가 아닙니다. 유동성이 굉장히 높은 시장에서는 주식 가격저점이 너무 낮을 경우 “폴백 가격(fallback prices)”과 같은 해결책을 쓸 수 있기 때문입니다.
인도의 가장 큰 주식브로커인 Zerodha의 공동 창업자이자 이사인 Nikhil Kamath는 다음과 같이 말합니다: “ATR이 높을수록 최근 지표가 변동성 증가를 확인했다는 의미가 되며 이러한 수치 인근에서 매수할 때 보다 신중해야 한다는 시그널이다.” 또한 주식 시장 변동성 계산 결과는 가격 행동이 어느 정도의 변동성으로 어느 방향으로 향할지보다 지표의 이동 정도에 초점을 맞춘다고 강조합니다.
대부분의 기술 지표와 마찬가지로 ATR은 가상화폐만을 위해 설계된 것은 아니지만 그렇다고 이용가치가 없는 것은 아닙니다. 특히 가장 오래되고 유동성이 높은 디지털 자산인 비트코인처럼 변동성이 낮은 자산에서는 ATR이 특히 유용할 수 있습니다. 파생상품 시장의 도입은 전통적으로 자산 변동성을 줄이는 데 도움이 되어 왔으며 비트코인에도 크게 다르지 않게 적용됩니다.
또 하나 중요한 점은 비트코인 변동성은 가격과 함께 움직인다는 겁니다. 즉, 가격은 하락 후 변동성이 줄어듭니다. 이 점이 바로 VIX(CBOE 변동성 지수)가 S&P500 상의 가격 이동에 따라 반응하는 방식과 크게 대조적인 부분입니다. 변동성과는 거의 완벽하게 음(negative)의 상관관계를 지니기 때문입니다.
또한, 디지털 자산 가치 평가에 표준적인 기반이 없기 때문에 크립토에서 변동성을 측정하는 것은 덜 효과적입니다. 블록체인 사업은 여전히 외환거래나 주식과 같은 전통적인 시장과 비교하면 소소하지만 입소문을 타고 더 많은 기관 투자자가 자금을 투자하고 있습니다. 크립토 시장 자본화는 지난 수년간 끊임없이 그 무엇보다 빠른 속도로 상승해왔습니다.
변동성 vs 리스크
사람이라면 본능적으로 위험을 회피하려 합니다. 금융 쪽에서는 더욱 그렇습니다. 그러나 고(高) 리스크가 손실을 암시한다면 동시에 더 높은 보상으로도 이어질 수 있는 겁니다. 손실 회피는 특히 성숙한 시장에서 발생할 수 있는 잠재적인 손실보다 훨씬 더 큽니다. 리스크외 변동성은 분명히 부정적인 지표지만 S&P500 변동성 지표인 VIS를 공포지수(fear index)라 부르는 과정으로 강화될 수 있습니다.
변동성과 리스크를 한 가방에 넣는 것은 정확하지 않을 뿐 아니라 위험합니다. 지표를 통해 변동성을 어느 정도 측정할 수 있지만 리스크는 단독 항목입니다. 예상치 못한 상황은 언제든 발생할 수 있고 이를 예측할 수 있는 지표는 어디에도 없습니다. 뿐만 아니라 변동성을 리스크와 동일시하는 믿음은 결국 변동성이 적은 시장에는 가격 하락 가능성이 더 낮다는 의미로 이어지는데, 자산 가격은 외부 사건의 영향을 받아 하락할 수도 있습니다.
ATR 지표는 테크니컬 애널리스트의 필수 도구이긴 하지만 그 약점을 정확히 이해해야 평균트루범위 지표 가장 적절하게 활용할 수 있습니다. 변동성을 확실히 이해하지 않으면 ATR을 남용하여 포트폴리오에 악영향을 미칠 수 있습니다. 특히 진입/청산 지점을 설정하는 유일한 지표로 활용한다면 더욱 그렇습니다.
그러나 ATR은 트레이딩에서 가장 높은 명성을 지킨 기술 지표 중 하나로 자산 변동성에 대한 단순한 시각 차트를 제공하는 것 만은 분명합니다. 후행성 지표이기 때문에 ATR은 과거 데이터를 기반으로 결과를 산출합니다. 이를 통해 통찰력은 제공하되 시그널은 제공할 수 없습니다. 그렇다 해도 ATR과 변동성 측정은 차트 분석의 가장 기본적인 구성요소임은 부정할 수 없습니다. 이를 통해 시장의 진정한 기능을 보다 잘 이해할 수 있는 필수 도구인 것입니다.
평균트루범위 지표
[주식지표] 평균진정 가격범위, ATR(Average True Range)
- 본문 폰트 크기 조정 평균트루범위 지표 본문 폰트 크기 작게 보기 본문 폰트 크기 크게 보기 가
- 공유하기
ATR(Average True Range) 개념
ATR은 시장 변동성을 나타내는 유명한 보조지표입니다. 최초에 일반상품시장 매매에 활용되기 위해 고안되었으나 현재는 주식시장에도 널리 활용되고 있습니다. 전일 종가를 포함한 오늘 주가변동의 최대폭을 측정하여 약 하루에 변동할 수 있는 최대범위 수준을 측정하는 지표라고 이해할 수 있습니다. 해당 지표로 매수 혹은 매도 시그널을 캐치하지는 않으며 일반적으로 포지션 청산(혹은 손절)을 위한 기준으로 널리 활용되고 있습니다.
: 일반적으로 매매가 대비 2*ATR 수치이상으로 주가가 하락할 경우 손절기준으로 판단합니다. ATR앞의 계수인 2값은 시뮬레이션에 따라 0.5~3 수준으로 변경하여 활용하기도 합니다. 다만, 리스크관리 관점에서 n*ATR = 계좌금액*n%이 되도록 매수 수량 조정(켈리공식)과 연계하여 활용할 필요가 있습니다.
일정기간(예. 14일 활용)의 주가변화에 대해
(일봉에 대해 주로 활용되나 필요할 경우 1분봉, 5분봉 등으로 확장가능)
· n = 사용자가 선택한 일정기간
ATR 산출코드 (Python)
import pandas_datareader.data as web import datetime start = datetime.date(2020,1,1) end = datetime.date.today() stock_df = web.DataReader('FB','yahoo',start,end).reset_index() def cal_ATR(df, n_days=14): df = df.sort_values('Date').reset_index(drop=True) tr_data = pd.concat([df'High','Low', df['Close'].shift(1)], axis=1) tr = tr_data.max(axis=1) - tr_data.min(axis=1) df['atr'] = tr.rolling(min_periods=n_days, window=n_days, center=False).mean() return df stock_df2 = cal_ATR(stock_df, 14)
ATR 지표값의 목적은 변동성 측정입니다. 이를 통하여 매매타이밍을 측정하기 보다는 리스크관리에 초점이 있습니다. 개인적인 매매성향에 따라 ATR값을 기준으로 매매대상 종목을 필터링 할 수도 있습니다. 또한, 전일 종가를 포함한 하루간의 변동성이 아닌 여러날짜의 최대변동폭을 측정할 수도 있으며 시장 참가자의 매매성향(단타중심인지 장기보유 투자자인지)에 따라 최대변동폭 기간을 다르게 설정하여 활용할 수도 있습니다.
average true range (ATR)
ОПРЕДЕЛЕНИЕ. Источник: INOMENT FOREX MENTORSHIP:평균트루범위 지표
한국에서는 아직 일괄된 번역 용어가 없어서 ATR이라는 약자로 통합니다. 일반적으로 어제의 종가와 오늘의 종가 차이를 하루 동안의 가격 변동폭이라고 말하지만 엄밀한 의미로 말하는 것이고 이것이 그렇게 정학한 의미는 아닙니다. 왜냐하면 하루 종일 거래가 단지 종가로만 이뤄지는 것이 아니기 때문입니다. 장중에 주가는 고점도 들고 저좀도 만들기에 이 모든 것을 다 감안하여 하루 동안의 주가 변동폭을 계산해야 하는데 웰러스 월더는 이러한 변동폭을 진정한 의미의 변동폭, 즉 True Range라고 불렀습니다. 그리고 True Range를 이동평균하는 것이 ATR입니다. 일반적으로 ATR을 구할 때 14일이 주로 사용됩니다.
- ART를 굳이 번역한다면 평균진정 가격범위(Average True Range)정도가 되겠다. 우리나라에는 아직까지 이 지표에 대한 일관된 한글 번역 용어가 없다. - INOMENT FOREX MENTORSHIP
ОПРЕДЕЛЕНИЕ. Источник: 개인 블로그:
ATR은 시간에 따른 변동성을 보여주는 지표이다. 이런 변동성 측정을 위해서는 TR에 대해서 먼저 알 필요가 있다.
TR(True Range)는 J.Wells Wilder가 소개한 지표로 (당일고가 - 당일저가), (전일종가 - 당일저가), (당일고가 - 전일종가) 중에 최대값을 취해 차트로 표시한다.
이러한 TR의 기간에 대한 이동평균으로 나타낸 지표가 바로 ATR이다.
- ATR은 가격 변동값만을 이용하기 때문에, 주가 등락율이 얼마나 되는지 확인할 수 없다. - 개인 블로그
- 호들로미터의 분석 알고리즘은 정확히 밝히지 않았지만, 트레이딩뷰(TradingView)의 오픈소스 코드와 주식시장에서 많이 사용하는 ATR(Average True Range) 지표 등을 활용한 것으로 보인다. - 파이낸셜 뉴스
Login or register (free and only takes a 평균트루범위 지표 few minutes) to participate in this question.
You will also have access to many other tools and opportunities designed for those who have language-related jobs (or are passionate about them). Participation is free and the site has a strict confidentiality policy.
KudoZ™ translation help
Сеть KudoZ - система, позволяющая переводчикам и другим участникам сайта оказывать друг другу помощь в переводе и интерпретации отдельных терминов, словосочетаний и коротких фраз.
Эти переводчики координируют перевод ProZ.com на русский язык
Team Coordinators: Natalie
Team Members: Alexey Pylov, Angela Greenfield, esperantisto, svetlana cosquéric, Igor Volosyanoy, VASKON, Sergey Protsenko, Yuliya Masalskaya (X), Oleksandr Somin, Guzel Rakhimova, Rustam Shafikov, Yana Kalinina, Liudmyla Tavrovska
Просьба принять к сведению, что сайт пока переведен не полностью. Локализация сайта осуществляется поэтапно и первыми переводятся наиболее активные разделы. Если вы обнаружите ошибку в переводе какого-либо раздела сайта, который 평균트루범위 지표 уже локализован, то сообщите об этом одному из указанных выше координаторов локализации.
Do you want to help translate ProZ.com into your language? Become a ProZ.com Localizer
Copyright © 1999-2022 ProZ.com - All rights reserved. Privacy - Распечатать страницу
For another site operated by ProZ.com for finding translators and getting found, go to TM-Town.
You have native languages that can be verified
You can request verification 평균트루범위 지표 for native languages by completing a simple application that takes only a couple of minutes.
Review native language verification applications submitted by your peers. Reviewing applications can be fun and only takes a few minutes.
0 개 댓글