추세 결정 방법

마지막 업데이트: 2022년 2월 6일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
ArcGIS API for Python 에서 작업하는 경우 arcgis.raster.analytics 모듈에서 Generate Trend Raster 를 사용합니다.

와이코프 방법 설명

와이코프 방법(Wyckoff Method)은 1930년대 초 리처드 와이코프가 개발한 것입니다. 이는 트레이더와 투자자들을 위해 고안된 일련의 원칙과 전략들로 구성되어 있습니다. 와이코프는 교육에 헌신적인 삶을 살았으며, 그의 작업은 현대의 기술적 분석(TA)에 큰 영향을 끼쳤습니다. 와이코프 방법은 본래 주식에 초점을 맞추고 있지만, 오늘날에는 모든 종류의 금융 시장에 적용됩니다.

와이코프 작업의 상당 부분은 성공적인 투자자(특별히 제시 리버모어)들로부터 영감을 얻었습니다. 오늘날 와이코프는 찰스 다우, 랠프 엘리엇과 같은 주요 인물들과 같은 존경을 받고 있습니다.

와이코프는 광범위한 리서치를 수행했으며, 이를 통해 여러 이론과 트레이딩 기법을 탄생시켰습니다. 해당 아티클은 그의 작업을 개략적으로 설명합니다. 다음과 같은 논의가 포함됩니다.

와이코프의 컴포지트 맨 개념

차트 분석 방법론(와이코프의 도식화)

와이코프는 또한 특별한 구매 및 판매 테스트뿐만 아니라 포인트 앤 피겨(Point and Figure, P&F) 차트에 기반한 고유한 차트 작성 방법 또한 개발했습니다. 해당 테스트는 트레이더가 보다 나은 진입 지점을 발견할 수 있도록 돕는 반면, P&F 방법은 거래 대상을 정하는 데 사용됩니다. 그러나 해당 아티클에서는 두 주제를 자세히 살펴보지는 않을 것입니다.

와이코프의 세 가지 법칙

공급과 수요의 법칙

첫 번째 법칙은 수요가 공급보다 높을 때 가격이 상승하며, 반대의 경우에 가격이 떨어짐을 명시하고 있습니다. 이는 가장 기초적인 금융 시장 원리 중 하나이며, 와이코프의 작업에만 국한되는 것은 분명 아닙니다. 우리는 첫 번째 법칙을 다음의 간단한 세 가지 방정식으로 나타낼 수 있습니다.

즉, 와이코프의 첫 번째 법칙은 수요가 공급을 초과할 때 가격이 상승함을 암시하는데, 이는 더 많은 사람이 판매하기보다는 구매하기 때문입니다. 그러나 어떤 상황에서는 구매하려는 이들보다 판매하려는 이들이 더 많을 수 있으며, 공급이 수요를 초과하여 가격은 하락합니다.

와이코프 방법을 따르는 많은 투자자들은 가격의 움직임과 거래량을 비교하는 데 이는 공급과 수요의 관계를 보다 잘 예측하기 위함입니다. 이는 종종 시장의 다음 움직임에 대한 통찰력을 제공합니다.

원인과 결과 법칙

두 번째 법칙은 공급과 수요의 차이가 임의적이지 않음을 명시합니다. 이는 준비 기간 이후 특정 사건의 결과로 나타납니다. 와이코프의 설명을 따르면 매집 기간(원인)은 궁극적으로 상승추세(결과)를 이끌어 냅니다. 반면, 분산(원인) 시기에는 하락추세(결과)가 나타납니다.

와이코프는 한 원인의 잠재적인 효과를 추정하기 위해 고유한 차트 작성 기술을 적용했습니다. 즉, 그는 매집과 분산 시기에 근거해 거래 대상을 결정하는 방법을 고안해 냈습니다. 이는 횡보 구간 또는 가격대를 돌파한 다음의 시장 추세의 연장 가능성을 추측할 수 있게 합니다.

투입 대 결과 법칙

와이코프의 세 번째 법칙은 자산의 가격 변화는 투입의 결과이며, 이는 거래량으로 나타남을 명시합니다. 가격의 움직임이 거래량과 조화를 이룬다면, 추세가 계속될 가능성이 큽니다. 반면 거래량과 가격이 심하게 엇갈린다면, 시장 추세가 멈추거나 방향을 바꿀 것입니다.

예를 들어 비트코인 시장이 긴 하락 추세 이후 상당히 많은 거래량과 함께 횡보하기 시작했다고 상상해 봅시다. 많은 거래량은 많은 투입을 의미하지만, 횡보(낮은 변동성)는 작은 결과를 의미합니다. 따라서 많은 비트코인의 손바뀜이 일어나고 있으나, 더 이상 큰 폭의 가격 하락은 없습니다. 이러한 상황은 아마도 하락추세가 끝났으며, 추세의 반전이 가까워졌을 의미할 수 있습니다.

와이코프의 컴포지트 맨

와이코프는 시장의 가상 신원인 컴포지트 맨(Composite Man)의 개념(추세 결정 방법 또는 컴포지트 오퍼레이터, Composite Operator)을 개발했습니다. 와이코프는 투자자와 트레이더들이 마치 하나의 단일 주체가 주식 시장을 통제하는 것이라 생각하고 이를 공부해야 한다고 제안했습니다. 이는 그들로 하여금 보다 쉽게 시장 추세를 따라 갈 수 있게 할 것입니다.

기본적으로 컴포지트 맨은 부유한 개인이나 기관 투자자들이 모인 규모가 가장 큰 참여자(투자 전문 기관)를 의미합니다. 컴포지트 맨은 언제나 자신의 이익을 극대화하기 위해 낮은 가격에 구매하고 높은 가격에 팔기 위해 행동합니다.

컴포지트 맨은 대다수 소규모 투자자들과 반대로 행동하는데, 와이코프는 그들이 자주 돈을 잃는 걸 목격했습니다. 그러나 와이코프에 따르면 컴포지트 맨은 어느 정도 예측 가능한 전략을 사용하며, 투자자들은 이를 배울 수 있습니다.

단순화된 시장 주기를 설명하기 위해 컴포지트 맨 개념을 사용해 봅시다. 해당 사이클은 매집, 상승추세, 분산, 하락추세의 네 가지 주요 단계로 이뤄집니다.

컴포지트 맨의 대부분의 투자자들 보다 앞서 자산을 매집합니다. 해당 과정은 보통 횡보하는 움직임으로 나타납니다. 매집은 커다란 가격 변동을 피하기 위해 서서히 진행됩니다.

컴포지트 맨이 충분한 물량을 확보한 다음, 매도세가 감소했을 때 그는 시장 가격을 상승시키기 시작합니다. 새롭게 발생한 추세는 자연스레 더 많은 투자자들을 이끌어 들여 수요의 증가를 야기시킵니다.

주목할 것은 상승 추세 동안 여러 단계에 걸쳐 매집이 진행될 수 있다는 것입니다. 우리는 이를 "재매집" 단계라 할 수 있으며, 상승 움직임을 계속 이어 가기 전, 보다 큰 추세가 잠시 멈추고 자리를 굳히는 구간에서 발생할 수 있습니다.

시장 가격이 상승함에 따라 다른 투자자들의 구매를 장려할 것입니다. 결국에는 일반 대중들도 신이나 참여하게 될 것입니다. 이 지점에서 수요가 공급을 상당히 앞지르게 됩니다.

다음으로 컴포지트 맨은 자신의 물량을 분산시키기 시작합니다. 그는 마지막 단계에 시장에 들어오는 이들에게 이익이 난 자신의 포지션을 처분할 것입니다. 일반적으로 분산 단계는 수요가 줄어들다 거의 없어질 때까지 횡보하는 움직임을 보여줍니다.

분산 구간 바로 다음 단계에서는 시장이 아래로 되돌아가기 시작합니다. 즉, 컴포지트 맨이 자신의 지분의 상당한 양을 판매한 다음, 그는 시장 가격을 떨어뜨립니다. 결과적으로 공급이 수요보다 훨씬 많게 되어, 하락추세가 성립됩니다.

상승추세와 유사하게 하락추세에도 재분산 구간이 있을 수 있습니다. 가격이 크게 하락하기 전에 기본적으로 단기간의 다지기 구간이 있습니다. 여기에는 데드 캣 바운스 또는 불 트랩이라 하는 것이 포함할 수 있는데, 이는 일부 구매자들이 덫에 걸려, 추세가 뒤바뀌길 바라지만 그런 일은 발생하지 않습니다. 하락추세가 최종적으로 끝난 다음에는, 새로운 매집 구간이 시작됩니다.

와이코프의 도식화

적어도 암호화폐 커뮤니티 내에서 매집과 분산 도식화는 와이코프의 작업 중 가장 잘 알려진 것들입니다. 이러한 모델은 매집과 분산 구간을 세부 단계로 나눈 것입니다. 해당 구간은 와이코프의 다양한 사건들을 따라 다섯 단계(A부터 E)로 나뉩니다. 이는 다음에 간략히 설명되어 있습니다.

매집 도식화

매도세가 감소하고 하락 추세가 완만해지기 시작합니다. 해당 단계에서는 보통 거래량이 증가하곤 합니다. "예비 지지(Preliminary Support)"는 일부 구매자들 나타났음을 의미하지만, 하락추세를 멈출만큼 충분하지 않음을 의미합니다.

"매도 클라이맥스(Selling Climax)"는 투자자가 항복함에 따라 발생하는 강력한 매도를 통해 형성됩니다. 보통 변동성이 큰 지점으로, 공황 매도가 커다란 캔들스틱과 꼬리를 생성합니다. 큰 폭의 가격 하락은 과도한 공급을 구매자들이 받아냄에 따라, 반등하거나 "반사적인 반등(Automatic Rally)"을 통해 되돌아 갈 수 있습니다. 일반적으로 매집 도식화의 가격대는 매도 클라이맥스가 낮고, 반사적 반등이 높은 구간으로 정의됩니다.

명칭에서 알 수 있듯, "이차 테스트(Secondary Test)"는 시장이 매도 클라이맥스 근처에서 떨어졌을 때 발생하며, 하락 추세가 정말로 끝이 난 것인지 테스트합니다. 해당 지점에서는 거래량과 시장 변동성이 낮은 경향이 있습니다. 이차 테스트는 매도 클라이맥스와 비교할 때, 종종 높은 저점을 형성하는데, 언제나 그렇지만은 않습니다.

와이코프의 원인과 결과 법칙에 따르면, B 단계는 결과로 이어지는 원인이라 볼 수 있습니다.

B 단계에서는 많은 "이차 테스트"가 있을 수 있습니다. 어떤 경우에는 A 단계의 이차 테스트와 반사적 반등에 비해, 더 높은 고점(불 트랩)과 더 낮은 저점(베어 트랩)을 생성할 수 있습니다.

일반적인 추세 결정 방법 추세 결정 방법 C 단계 매집을 "스프링(Spring)"'이라 합니다. 이는 시장의 저점이 높아지기 전의 마지막 베어 트랩입니다. C 단계 동안 컴포지트 맨은, 시장에 물량이 거의 남아있지 않게 하는데, 일례로 다른 이들은 이미 물량을 판매하고 떠난 경우일 수 있습니다.

스프링은 트레이더의 스톱 리밋 주문을 발동시키고, 투자자들을 오도하기 위해 종종 지지선을 돌파하기도 합니다. 우리는 이를 상승 추세가 시작되기 전 낮은 가격에 자산을 구매할 수 있는 마지막 기회라 할 수 있습니다. 베어 트랩은 소규모 투자자들의 자산 보유를 포기하도록 부추길 수 있습니다.

그러나 종종 지지 레벨이 유지될 수 있으며, 스프링이 일어나지 않을 수도 있습니다. 즉, 스프링의 모든 조건들이 나타난 매집 도식화가 있을 수 있지만, 스프링은 아닐 수 있습니다. 그럼에도 전반적인 단계는 유효합니다.

D 단계는 원인과 결과 사이의 전환을 나타냅니다. 이는 매집 구간(C 단계)과 가격대(E 단계) 돌파 사이에 존재합니다.

일반적으로 D 단계에서는 거래량과 변동성이 크게 증가합니다. 해당 단계에는 시장 가격이 상승하기 전 대개 더 높은 저점을 형성하는 "최종 지지 지점(Last Point Support)"이 존재합니다. 최종 지지 지점은 보통 저항 구간 돌파에 선행하며, 결과적으로 더 높은 고점을 형성합니다. 이는 이전 저항 구간이 새로운 지지 구간이 되어, "강세 신호(Signs of Strength)"를 나타냅니다.

용어들이 조금 혼란스러울 수 있지만, D 단계 동안에는 하나 이상의 최종 지지 지점이 있을 수 있습니다. 보통 새로운 저항선을 테스팅하는 동안 거래량이 증가하곤 합니다. 가끔은 가격대를 효과적으로 돌파하고 E 단계로 가기 전, 짧은 다지기 구간을 형성할 수 있습니다.

E 단계는 매집 도식화의 마지막 단계입니다. 늘어난 시장의 수요에 따라 해당 단계에서는 가격대를 분명하게 돌파합니다. 이는 가격대를 효과적으로 돌파하여 상승 추세가 시작되는 때입니다.

분산 도식화

기본적으로 분산 도식화는 매집과 정반대로 진행되나, 약간의 용어 차이가 있습니다.

첫 번째 단계는 수요가 감소함에 따라 성립된 상승 추세가 완만해질 때 발생합니다. "예비 공급(Preliminary Supply)"은 상승세를 멈추기에는 충분하지 않음에도 불구하고 매도세가 나타났음을 의미합니다. 이후 "매수 클라이맥스(Buying Climax)"가 강한 매수세를 형성합니다. 이는 보통 감정적으로 매수하는 경험이 부족한 트레이더들에 의해 발생합니다.

다음으로, 강한 상승세는 "반사적 반응(Automatic Reaction)"을 일으키는데, 시장 메이커가 초과 수요를 받아내기 때문입니다. 즉, 컴포지트 맨이 자신의 물량을 뒤늦게 시장에 참여하는 구매자들에게 분산시키기 시작합니다. "이차 테스트"는 시장이 "매수 클라이맥스" 구간에 다시 이르렀을 때 진행되며, 보통 더 낮은 고점을 형성합니다.

분산 B 단계는 다지기 구간이며(원인), 하락 추세(결과)에 선행합니다. 해당 기간 동안 컴포사이트 맨은 점진적으로 자신의 자산을 판매하며, 시장 매수세를 받아내고 이를 약화시킵니다.

보통, 가격대 구간보다 높거나 낮은 영역이 여러 차례 테스트되며, 여기에는 단기간의 베어 또는 불 트랩이 포함될 수 있습니다. 이차 테스트 결과 시장은 종종 매수 클라이맥스를 형성하며 저항선 위로 올라가기도 하는데, 이를 "상향쐐기(Upthrust)"라고도 합니다.

경우에 따라 시장에는 다지기 이후 마지막 불 트랩이 나타나기도 합니다. 이를 "분산 후 상향쐐기(Upthrust After Distribution)"라 하는데, 기본적으로 매집 스프링과 반대되는 것입니다.

분산 D 단계는 매집의 D 단계와 거의 정확히 반대됩니다. 보통 중간 부분에 더 낮은 고점을 형성하는 "마지막 공급 지점(Last Point of Supply)"이 있습니다. 이러한 관점에서 마지막 공급 지점은 지지 영역 아래나 근처에서 형성됩니다. 분명한 "약세 신호(Sign of Weakness)"는 시장 가격이 지지선 아래로 내려갈 때 나타납니다.

분산의 마지막 단계에서는 가격대 아래를 분명하게 돌파하며, 공급이 수요보다 강력한 우위를 점하며, 하락추세가 시작됩니다.

와이코프 방법은 유용한가요?

기본적으로 시장이 해당 모델을 언제나 따르는 건 아닙니다. 실제로는 매집과 분산 도식화는 다양한 방식으로 나타날 수 있습니다. 예를 들면, 어떤 경우에는 B 단계가 예상보다 훨씬 길어질 수 있습니다. 또는 스프링과 분산 후 상향 쐐기 테스트가 전혀 없을 수도 있습니다.

그럼에도 불구하고, 와이코프의 방법들은 여러 신뢰할만한 기술들을 제공하며, 이는 여러 이론과 원칙에 기초하고 있습니다. 그의 작업은 전 세계의 수많은 투자자, 트레이더, 분석가들에게 분명 유용합니다. 예를 들면, 매집과 분산 도식화는 금융 시장의 일반적인 사이클을 이해하려 할 때 유용할 수 있습니다.

와이코프의 다섯 단계 접근법

와이코프는 또한 다섯 단계 시장 접근법을 개발하기도 했는데, 이는 그의 여러 이론과 기술에 기초합니다. 간단히 말해, 이러한 접근은 와이코프의 가르침을 실제에 적용하는 하나의 방법이라 할 수 있습니다.

현재 추세는 어떠하며 어떻게 될 것인가요? 공급과 수요의 관계는 어떠한가요?

시장과 비교할 때 자산의 강세는 어느 정도인가요? 자산이 어느 정도 비슷하게, 또는 반대로 움직이나요?

포지션에 진입할 충분한 이유가 있나요? 미래의 보상(결과)을 위해 위험을 감수할 만큼 충분히 강력한 이유가 있나요?

자산 가격이 움직일 준비가 되었나요? 더 큰 추세에서는 어떤 상황인가요? 가격과 거래량은 어떠한가요? 이 단계는 보통 와이코프의 구매 및 판매 테스트를 활용합니다.

마지막 단계는 타이밍에 관한 것입니다. 이는 보통 전반적인 시장과 비교한 자산 분석을 포함합니다.

예를 들면, 트레이더는 S&P 500 지수와 비교해 자산의 가격 움직임을 비교할 수 있습니다. 개별적인 와이코프 도식화 안에서 자신의 포지션에 따라, 이러한 분석은 자산의 다음 움직임에 관한 통찰을 제공할 수 있습니다. 결론적으로, 이는 괜찮은 시점에 진입할 수 있게 합니다.

주목할 것은 이러한 방법은 일반적인 시장 또는 지수와 함께 움직이는 자산에 더욱 잘 적용된다는 것입니다. 그럼에도 불구하고 암호화폐 시장에서는 이러한 상관관계가 언제나 나타나지 않습니다.

와이코프의 방법은 개발된 지 대략 한 세기가 넘게 지났지만, 오늘날에도 여전히 널리 이용되고 있습니다. 이는 여러 원칙과 이론, 트레이딩 기술을 아우르는 기술적 지표 그 이상의 것이 분명합니다.

기본적으로 와이코프 방법은 투자자들이 감정을 따라 행동하기 보다는 논리적인 결정을 할 수 있게 합니다. 와이코프의 광범위한 연구들은 트레이더와 투자자의 리스크를 감소시키고 추세 결정 방법 성공 확률을 증가시켜주는 일련의 방법들을 제공합니다. 그럼에도 불구하고 투자에 실패할 우려가 전혀 없는 기술은 없습니다. 투자자들은 언제나 위험을 주시해야 하며, 특별히 변동성이 무척 큰 암호화폐 시장에서는 더욱 그렇습니다.

추세 차트를 사용하여 예측 이해

추세 차트는 기간 종료 예측 및 할당량과 비교하여 시간에 따른 각 예측 금액의 추세를 보여줍니다. 시간이 지남에 따라 향후 수익을 예상하기 위해 별도의 예측된 실현 라인이 자동으로 생성됩니다.

추세 차트는 예측 기능의 일부로 제공됩니다. 조직에 예측이 설정되어 있는지 확인하십시오. 자세한 내용은 프리미엄 예측 정보를 참조하십시오.

라이선스 및 역할 요구 사항

요구 사항 유형 반드시 필요
라이선스 Dynamics 365 Sales Premium
추가 정보: Dynamics 365 Sales 가격
보안 역할 영업 직원 또는 영업 관리자와 같은 모든 기본 영업 역할
추가 정보: 주요 영업 역할

추세 차트 보기

영업 허브 앱에 로그인합니다.

사이트 맵의 아래쪽에 있는 영역 변경 아이콘을 선택한 다음 영업 을 선택합니다.

성과 아래에서 예측 을 선택합니다.

예측을 선택하고 예측의 예측 기간을 선택하십시오.

추세 탭을 선택합니다.

현재까지 예측 범주를 비교한 꺾은 선형 차트가 표시됩니다.

추세 차트 이해

예측 구성에서 예측에 사용 가능한 열을 구성할 수 있습니다. 자세한 내용은 열 구성을 참조하십시오.

다음 스크린샷은 추세 차트 예를 보여 줍니다.

추세 차트

추세 차트에 표시되는 범주는 관리자가 구성한 예측 눈금 열과 예측 열에 따라 다릅니다. 예측 눈금 열 구성에 대한 자세한 내용은열 구성을 참조하십시오.

예측 현실화 선은 열린 예측 값 과 새로 예측된 값의 합계를 나타냅니다. 예측 열에 대한 자세한 내용은 예상 예측을 사용하여 수익 결과 분석을 참조하십시오.

범례에서 예측 범주 위로 마우스를 가져가면 예측 범주의 추세선이 강조 표시됩니다.

추세선 위로 마우스를 가져가면 주어진 시간에 예측 범주 요약을 볼 수도 있습니다. 요약에는 날짜, 예측 범주 및 집계된 기회 금액이 표시됩니다.

차트에서 예측 범주를 보지 않으려면 범례에서 예측 범주를 선택하면 예측 범주가 회색으로 표시됩니다. 차트에서 다시 보려면 예측 범주를 선택하십시오.

앱에서 옵션을 찾을 수 없습니까?

단계를 수행하는 데 필요한 라이선스나 역할이 없습니다.

조직에서 사용자 지정 앱을 사용 중일 수 있으므로 사이트 맵과 UI가 다를 수 있습니다. 정확한 단계는 관리자에게 문의하세요. 이 문서에 설명된 단계는 기본 제공 영업 허브 또는 Sales Professional 앱에만 해당됩니다.

귀사의 설명서 언어 기본 설정에 대해 말씀해 주시겠습니까? 간단한 설문 조사에 응해주세요. (이 설문 조사는 영어로 되어 있습니다.)

추세 래스터 생성(Generate Trend Raster)

추세 래스터 생성

추세 래스터 생성 도구는 다차원 래스터에 있는 하나 이상의 변수에 대해 디멘전에 따라 각 픽셀의 추세를 추정합니다.

이 도구를 실행하려면 포털이 래스터 분석에 대해 구성되어야 합니다.

현재 이 기능은 Map Viewer Classic (이전의 Map Viewer )에서만 지원됩니다. 새 Map Viewer 후속 릴리즈에서 제공됩니다. Map Viewer Classic 에 이 도구가 보이지 않으면 기관 관리자에게 문의하세요. 포털이 래스터 분석에 대해 구성되어 있지 않거나 이 도구를 실행하는 데 필요한 권한이 없을 수도 있습니다.

워크플로 다이어그램

추세 래스터 생성 워크플로

  • 40년 간의 월별 해양 온도 데이터가 있는 경우 각 픽셀에 맞는 선형 추세선을 계산하여 시간이 따라 온도가 변화된 위치와 방식을 확인합니다.
  • 10년 간 수집된 일일 강수 데이터가 있는 경우 조화 추세선 옵션을 사용하고 R 제곱 적합도 통계를 조사하여 데이터에 계절 추세가 있는지 확인합니다.

사용 참고 사항

이 도구는 선형, 조화, 다항식 추세선을 따라 데이터를 맞추거나 Mann-Kendall 또는 Seasonal-Kendall 테스트를 사용해 추세 감지를 수행하는 데 사용할 수 있습니다.

이 도구로 생성된 결과 추세 래스터는 추세 래스터를 사용하여 예측 도구의 입력으로 사용됩니다.

Mann-Kendall 및 Seasonal-Kendall 테스트는 데이터에 단조 추세가 있는지 여부를 확인하는 데 사용됩니다. 이러한 테스트는 비모수적인 방식이므로 특정한 데이터 분포를 가정하지 않습니다. Mann-Kendall 테스트는 연속 상관관계 또는 계절 효과를 고려하지 않습니다. 데이터가 계절별로 수행되면 Seasonal-Kendall 테스트가 더 적합합니다.

디멘전에 따라 변수 값에 추세를 맞추기 위한 세 가지 추세선 옵션(선형, 조화, 다항식)이 있습니다.

선형, 조화, 2차, 3차 다항식 추세 유형

  • 선형 - 선형 추세선은 단순한 선형 관계를 추정하는 데 사용되는 최적의 직선입니다. 선형 추세는 일정한 속도로 증가하거나 감소하는 변화율을 강조합니다. 선형 추세선의 공식은 다음과 같습니다.
  • 조화 - 조화 추세선은 주기적으로 반복되는 곡선으로, 계절별 온도 변화와 같이 주기적인 패턴을 따르는 데이터를 설명하는 데 가장 적합합니다. 조화 추세선의 공식은 다음과 같습니다.
  • 다항식 - 다항식 추세선은 곡선으로, 변동하는 데이터에 유용합니다. 이 경우, 발생하는 최대 변동 수를 나타내기 위해 다항식 차수 값이 사용됩니다. 다항식 추세선의 공식은 다음과 같습니다.

선형, 조화, 다항식 추세 피팅을 수행하는 경우 결과는 각 슬라이스가 추세선에 대한 정보를 포함하는 다중밴드 래스터인 다차원 영상 레이어입니다. 단일 디멘전(예: 시간)이 포함된 데이터셋의 단일 변수에 대한 추세를 분석하는 경우 결과 데이터셋에는 단일 슬라이스가 포함됩니다. 다중 디멘전(예: 시간과 깊이)이 포함된 데이터셋의 단일 변수를 분석하는 경우 각 슬라이스에는 분석에 포함되지 않은 디멘전에 따라 각 디멘전 값에 대한 추세 정보가 포함됩니다.

  • 밴드 1 = Sen의 경사
  • 밴드 2 = P-Value
  • 밴드 3 = Mann-Kendall 점수
  • 밴드 4 = S Variance
  • 밴드 5 = Z-Score

모델 적합도 통계는 선형, 조화, 다항식 추세 래스터에 대한 선택적 결과로 생성될 수 있습니다. 평균제곱근 오차(RMSE), 결정계수, 추세 경가 p값은 RGB 렌더러를 사용하고 통계를 빨간색, 녹색, 파란색 채널로 지정하여 결과 래스터에 계산 및 표시할 수 있습니다.

다차원 영상 레이어를 발행하는 방법에 대한 자세한 내용은 다차원 영상 레이어 발행을 참고하세요.

현재 맵 범위 사용 을 선택한 경우 현재 맵 범위 내에 보이는 픽셀만 분석됩니다. 선택하지 않으면 전체 입력 영상 레이어가 분석됩니다.

이 도구에 대한 매개변수는 다음 테이블에 나와 있습니다.

분석할 입력 다차원 영상 레이어입니다.

선택한 변수에 대한 추세가 계산되는 디멘전입니다.

추세 계산에 사용할 변수입니다. 변수가 지정되지 않으면 다차원 영상 레이어의 첫 번째 변수가 분석됩니다.

  • 선형 - 변수 픽셀값이 선형 추세선에 따라 맞춰집니다. 이 옵션이 기본 설정입니다.
  • 다항식 - 변수 픽셀값이 2차 다항식 추세선에 따라 맞춰집니다.
  • 조화 - 변수 픽셀값이 조화 추세선에 따라 맞춰집니다.
  • Mann-Kendall - Mann-Kendall 추세 테스트를 사용하여 가변 픽셀 값을 평가합니다.
  • Seasonal-Kendall - Seasonal-Kendall 추세 테스트를 사용하여 가변 픽셀 값을 평가합니다.
  • 일 - 계절 기간의 길이 단위가 일입니다. 이 옵션이 기본 설정입니다.
  • 월 - 계절 기간의 길이 단위가 월입니다.

모델링할 주기적 변동의 길이입니다. 예를 들어 잎사귀 녹색은 대개 1년에 한 번의 강한 변동 주기를 가지므로 주기 길이는 1년입니다. 시간별 온도 데이터는 하루 한 번의 강한 변동 주기를 가지므로 주기 길이는 1일입니다. 데이터가 1년에 두 번의 변동 주기를 갖게 될 경우 주기 길이는 0.5년 또는 182.5일입니다.

연간 주기로 달라지는 데이터의 경우 기본 길이는 1년입니다.

해당 매개변수는 추세선 유형이 조화 로 설정되고 디멘전이 시간으로 설정된 경우에 필요합니다.

  • 일 - 조화 주기의 길이 단위가 일입니다.
  • 년 - 조화 주기의 길이 단위가 년입니다. 이 옵션이 기본 설정입니다.

해당 매개변수는 추세선 유형이 조화 로 설정되고 디멘전이 시간으로 설정된 경우에 필요합니다.

조화 추세 맞춤에 사용할 빈도입니다. 이 매개변수는 1년 주기의 빈도를 지정합니다. 빈도를 1로 설정하면 선형 및 1차 조화 곡선의 조합이 모델을 맞추는 데 사용됩니다. 빈도가 2라면 데이터를 맞추는 데 선형, 1차 조화 곡선, 2차 조화 곡선의 조합이 사용됩니다.

해당 매개변수는 추세선 유형이 조화 로 설정되고 디멘전이 시간으로 설정된 경우에 필요합니다.

다항식 추세 맞춤에 사용할 다항식 차수입니다.

기본값은 2(2차 다항식)입니다.

해당 매개변수는 추세선 유형이 다항식 으로 설정되고 디멘전이 시간으로 설정된 경우에 필요합니다.

  • 선택 - RMSE가 계산되어 결과 추세 래스터의 여러 밴드 중 하나로 포함됩니다. 이 옵션이 기본 설정입니다.
  • 선택 취소 - RMSE가 계산되지 않습니다.
  • 선택 - 결정계수(R-Squared) 값이 계산되어 결과 추세 래스터의 여러 밴드 중 하나로 포함됩니다.
  • 선택 취소 - 결정계수(R-Squared) 값이 계산되지 않습니다. 이 옵션이 기본 설정입니다.
  • 선택 - P-Value가 계산되어 결과 추세 래스터의 여러 밴드 중 하나로 포함됩니다.
  • 선택 취소 - P-Value가 계산되지 않습니다. 이 옵션이 기본 설정입니다.
  • 선택 - 분석은 지정된 차원에 따라 유효한 모든 픽셀을 포함하며 NoData 픽셀을 무시합니다. 이 옵션이 기본 설정입니다.
  • 선택 취소 - 분석은 지정된 차원에 따라 NoData 픽셀값이 있는 경우 NoData를 반환합니다.

내 콘텐츠 에 생성되고 맵에 추가되는 레이어의 이름입니다. 기본 이름은 도구 이름과 입력 레이어 이름을 기반으로 합니다. 레이어가 이미 있는 경우 다른 이름을 입력하라는 메시지가 나타납니다.

결과 저장: 드롭다운 상자를 사용하여 결과가 저장될 내 콘텐츠 에서 폴더 이름을 지정할 수 있습니다.

분석 환경

분석 환경 설정은 도구의 결과에 영향을 주는 추가 매개변수입니다. 도구의 분석 환경 설정은 도구 창 상단에 있는 기어 아이콘 을 클릭하여 접근할 수 있습니다.

이 도구는 다음과 같은 분석 환경 을 적용합니다.

  • 결과 좌표계 - 결과 레이어의 좌표계를 지정합니다.
  • 범위 - 분석에 사용할 영역을 지정합니다.
  • 스냅 래스터 - 지정된 스냅 래스터 레이어의 셀 정렬과 일치하도록 결과의 범위를 조정합니다.
  • 셀 크기 - 결과 레이어에서 사용할 셀 크기입니다.
  • 마스크 - 마스크 레이어를 지정하며, 마스크 레이어 내에 해당하는 셀만 분석에 사용됩니다.
  • 리샘플링 방법 - 픽셀 값을 보간하는 데 사용할 방법입니다.
  • 처리 작업자 간격 재구성 - 작업자 프로세스 재시작 전에 처리할 이미지 섹션 수를 정의합니다.
  • 병렬 처리 계수 - 래스터 처리 CPU 또는 GPU 인스턴스를 제어합니다.
  • 오류에 대한 재시도 횟수 - 작업 처리 시 랜덤 오류가 발생한 경우에 작업자 프로세스에서 재시도하게 되는 횟수를 정의합니다.

유사한 도구 및 래스터 함수

다차원 이상치 생성을 사용하여 시간에 따른 변수의 이상치 값을 계산합니다. 비슷한 문제를 해결하는 데 유용한 기타 도구를 사용할 수 있습니다.

Map Viewer Classic 분석 도구 및 래스터 함수

추세 래스터를 사용하여 예측 도구는 추세 래스터 생성 도구의 결과를 사용하여 향후 날짜 또는 날짜 범위에 대한 변수 값을 예측합니다.

ArcGIS Pro 분석 도구 및 래스터 함수

추세 래스터 생성 지오프로세싱 도구는 Image Analyst 도구상자에서 제공됩니다.

추세 생성은 래스터 함수로도 사용할 수 있습니다.

ArcGIS Enterprise 개발자 리소스

ArcGIS REST API 에서 작업하는 경우에는 Generate Trend Raster 작업을 사용합니다.

ArcGIS for Python API 웹사이트

ArcGIS API for Python 에서 작업하는 경우 arcgis.raster.analytics 모듈에서 Generate Trend Raster 를 사용합니다.

예측이란 무엇인가요?

예측은 기업이 미래에 발생할 수 있는 불확실성에 대비하는 데 도움이 되는 계획 도구 역할을 합니다. 이를 통해 관리자는 변화에 자신 있게 대응하고, 비즈니스 운영을 제어하고, 미래 성장을 주도하는 전략적 결정을 내릴 수 있습니다. 예를 들어 기업은 다음과 같은 용도로 예측을 사용합니다.

  • 더 효율적으로 리소스 사용
  • 비즈니스 성과 시각화
  • 신제품 또는 신규 서비스 출시 시기 지정
  • 반복 비용 추정
  • 판매량 및 수익과 같은 미래 이벤트 예측
  • 관리 결정 검토

예측 방법에는 어떤 유형이 있나요?

예측 방법은 정성적 또는 정량적일 수 있습니다.

정성적 방법

정성적 예측은 마케팅 전문가를 통해 단기 예측을 합니다. 과거 데이터가 충분하지 않은 경우 정성적 방법을 사용할 수 있습니다. 예를 들어 다음과 같은 두 가지 사용 사례가 있습니다.

  • 여론 조사 및 설문 조사와 같은 시장 조사 기술은 소비자 수요를 식별합니다.
  • 델파이 모델링 기술은 특정 분야의 전문가를 대상으로 한 설문조사를 통해 의견을 수집하고 해당 분야의 추세를 예측합니다.

정량적 방법

정량적 예측 모델은 의미 있는 통계와 과거 추세 결정 방법 데이터를 사용하여 장기적인 미래 추세를 예측합니다. 아래에 표준 정량적 방법의 예가 나와 있습니다.

  • 계량 경제학 모델링 은 대출 및 투자 데이터와 같은 재무 데이터 집합을 분석하여 중대한 경제적 변화와 회사에 미치는 영향을 예측합니다.
  • 지표 접근 방식 은 데이터 요소를 비교하여 관련이 없어 보이는 데이터 간의 관계를 식별합니다. 예를 들어 GDP 변화로 실업률을 예측할 수 있습니다.
  • 이 시나리오에서 GDP 데이터를 선행 지표라고 하고 실업률을 후행 지표라고 합니다.
  • 시계열 예측 은 다양한 시간 간격에 걸쳐 수집된 데이터를 분석하여 미래 추세를 예측합니다.

시계열 데이터란 무엇인가요?

횡단면 데이터는 같은 기간의 개인과 회사를 관찰합니다. 반면 시계열 데이터는 다양한 시간 간격으로 정보를 수집하는 모든 데이터 집합입니다. 이 데이터는 시간별로 데이터 요소를 정렬하기 때문에 구별됩니다. 결과적으로 인접 구간의 관측치 간에 상관 관계가 있을 가능성이 있습니다.

시계열 데이터는 x축에 증분 간격 또는 타임라인이 있고 y축에 관찰된 샘플 데이터 값이 있는 그래프로 표시될 수 있습니다. 이러한 시계열 그래프는 데이터를 시각화하는 데 유용한 도구입니다. 데이터 사이언티스트는 이를 사용하여 예측 데이터 특성을 식별합니다. 다음은 시계열 데이터 특성의 몇 가지 예입니다.

시간 추세 데이터

추세 데이터에서 y 값은 시간에 따라 증가하거나 감소하여 그래프가 선형으로 나타납니다. 예를 들어, 인구 데이터는 시간에 따라 선형적으로 증가하거나 감소할 수 있습니다.

계절적 패턴은 시계열 데이터가 1년 미만의 시간 간격으로 규칙적이고 예측 가능한 패턴을 보일 때 발생합니다. 이 데이터 패턴은 선형 그래프에서 급증 또는 기타 이상으로 나타날 수 있습니다. 예를 들어, 상점의 소매 판매가 12월과 4월 전후의 휴가 기간에 증가할 수 있습니다.

구조적 단절

때때로 추세 결정 방법 추세 결정 방법 시계열 데이터는 특정 시점에서 갑자기 동작을 변경합니다. 시계열 그래프가 갑자기 위 또는 아래로 이동하여 구조적 단절 또는 비선형성을 생성할 수 있습니다. 예를 들어, 글로벌 금융 위기가 시작된 2008년에 많은 경제 지표가 급격히 변화했습니다.

시계열 예측이란 무엇인가요?

시계열 예측은 기계 학습 및 기타 컴퓨터 기술을 사용하여 과거 관찰 기록을 연구하고 시계열 데이터의 미래 값을 예측하는 데이터 과학 기술입니다. 시계열 예측의 몇 가지 예를 살펴보겠습니다.

  • 천문 데이터는 수세기 동안 행성의 반복적인 움직임으로 구성됩니다. 이 데이터를 사용하여 일식 및 혜성과 같은 천문학적 사건을 정확하게 예측할 수 있습니다.
  • 일기 예보는 바람 및 온도 패턴을 사용하여 날씨 변화를 예측합니다.
  • 사이언티스트는 출생률과 이주 데이터를 사용하여 인구 증가를 예측할 수 있습니다.

시계열 분석과 시계열 예측 비교

시계열 분석은 모든 시계열 데이터의 근본 원인을 탐색합니다. 이 연구 분야는 시계열 데이터 집합의 "이유"를 이해하려고 합니다. 분석가는 의미 있는 통계와 기타 특성을 추출하기 위해 종종 가정을 하고 데이터를 분해해야 합니다.

시계열 분석이 데이터 집합을 이해하는 것이라면 예측은 데이터를 예상하는 것입니다. 다음은 예측 모델링의 세 단계입니다.

  • 질문을 하고 과거 기간 동안 이 질문에 답하는 샘플 시계열 데이터 집합을 수집합니다.
  • 과거 값을 사용하여 컴퓨터 소프트웨어 또는 예측 알고리즘을 훈련합니다.
  • 예측 알고리즘을 사용하여 미래를 관찰합니다.

시계열 예측은 어떻게 작동하나요?

데이터 사이언티스트는 시계열 예측 모델을 사용하여 보다 정확한 예측을 수행합니다. 먼저 최고의 예측 알고리즘을 선택하기 위해 몇 가지 탐색적 데이터 분석을 수행한 다음 기계 학습 모델을 사용하여 예측합니다. 아래에서 몇 가지 일반적인 예측 모델을 살펴보겠습니다.

분해 모델

분해 모델은 추세 결정 방법 시계열 데이터를 다음과 같은 세 가지 구성 요소로 분해하거나 나눕니다.

  1. 추세 구성 요소
  2. 계절적 구성 요소
  3. 위의 두 그룹에 속하지 않는 노이즈 구성 요소

시계열 데이터를 분석하는 또 다른 방법은 데이터를 예측 가능한 데이터 구성 요소와 예측할 수 없는 데이터 구성 요소의 두 가지 구성 요소로 나누는 것입니다.

평활화 기반 모델

데이터 평활화는 나머지 데이터 집합과 크게 다른 이상값 또는 데이터 요소를 제거하는 통계 기법입니다. 이러한 예측 모델은 데이터의 무작위 변동을 제거하여 기본 패턴 범주를 더 잘 보이게 합니다.

회귀 기반 모델

자기 회귀는 이전 시간 단계의 관측치를 사용하여 두 데이터 요소 간의 수학적 추세 결정 방법 관계를 정의하는 예측 모델입니다. 그런 다음 수학적 관계를 사용하여 알려지지 않은 미래 가치를 추정합니다. 사용되는 회귀 모델에 따라 수학 방정식은 과거 예측 오류와 계절적 과거 값을 고려하여 시간 경과에 따라 예측을 개선합니다.

예측의 주요 사용 사례는 무엇인가요?

예측은 기업에게 현재와 미래에 대한 관련성 있고 신뢰할 수 있는 정보를 제공합니다. 아래에서 예측 기술의 몇 가지 사용 사례를 설명합니다.

운영 – More Retail Limited는 어떻게 자동화를 사용하여 제품 판매를 예측하나요?

More Retail Ltd. (MRL)는 수십억 달러의 매출을 올리는 인도의 4대 식료품 소매업체 중 하나입니다. 이 회사는 광범위한 매장 네트워크와 복잡한 유통업체 공급망을 보유하고 있으며, 재고를 추정하고 주문하기 위해 매장 관리자의 수동 판단에 의존하고 있었지만 이는 특히 신선 농산물 범주에서 고객 경험에 영향을 미쳤습니다. MRL은 AWS의 예측 서비스를 사용하여 신선 식품 낭비를 30% 줄이는 자동 주문 시스템을 구축했습니다.

제조 – Foxconn은 어떻게 예측을 사용하여 제조 수요를 관리하나요?

Hon Hai Technology Group(Foxconn)은 세계에서 가장 큰 전자 제품 제조업체이자 솔루션 공급 업체입니다. 코로나19 팬데믹 동안 Foxconn은 전례가 없는 고객 수요, 공급 및 생산량 변동성을 겪었습니다. 이 회사는 Amazon Machine Learning Solutions Lab과 협력하여 멕시코 공장의 정확한 순 주문 예측을 수행했습니다. 이러한 예측을 통해 연간 500,추세 결정 방법 000 USD 이상의 비용을 절감할 수 있었습니다.

고객 지원 – Affordable Tours는 어떻게 판매 예측을 사용하여 고객 경험을 개선하나요?

Affordable Tours.com은 미국에서 패키지 여행, 크루즈, 유람선 타기 및 활동적인 휴가를 제공하는 가장 큰 공급 업체 중 하나입니다. 그들은 고객 통화량을 처리할 때 리소스를 할당하는 데 어려움을 겪었습니다. 어떤 날은 상담원이 너무 많았고 어떤 날은 너무 적었기 때문에 일관성 없는 고객 경험이 발생하고 부재중 전화 비율이 높아졌습니다. 이 회사는 Amazon Forecast를 사용하여 고객 통화량을 더 잘 예측하고 부재중 전화율을 20% 개선했습니다.

Amazon Forecast란 무엇인가요?

Amazon Forecast는 기계 학습을 기반으로 하며, 비즈니스 지표 분석을 위해 구축된 완전관리형 시계열 예측 서비스입니다. Amazon Forecast는 기계 학습 경험이 없어도 시작할 수 있습니다. 기록 데이터와 예측에 영향을 줄 수 있는 추가 데이터만 제공하면 됩니다. 모든 데이터를 제공하면 Amazon Forecast가 자동으로 데이터를 검사하고 의미 있는 것을 식별합니다. 그런 다음 시계열 데이터만 보는 모델보다 최대 50% 더 정확하게 예상할 수 있는 예측 모델을 생성합니다.

지금 AWS 프리 티어로 무료 Amazon 계정을 만들어 시작하세요. Amazon Forecast를 사용하는 첫 2개월 동안 신규 AWS 고객은 매월 최대 10,000개의 시계열 예측 생성, 매월 최대 10GB의 데이터 스토리지 및 매월 최대 10시간의 교육을 받습니다.

볼린저밴드 (Bollinger Bands)

밴드폭 (Bandwidth)은 상한선과 하한선의 밴드폭이 얼마나 큰지를 나타내 주는 지표이다.
주가의 변동폭이 클 경우 볼린저 밴드의 폭이 넓어지고,
주가의 변동폭이 적을 때는 볼린저 밴드의 폭 또한 좁아진다.

%b 는 현재 주가가 볼린저밴드 내의 어느 위치에 있는지를 수치로 표현한 지표
현재 주가가 하한선을 기준으로 위로 몇 % 지점에 있는가를 수치로 나타냅니다.

주가가
1. 하한선에 있는 상태에는 0
2. 상한선에 있는 상태에는 1
3. 중심에 있는 상태에는 0.5
4. 하한선을 벗어난 상태에는 0 이하 (음수)
5. 상한선을 벗어난 상태에는 1이상

볼린저밴드 차트

다양한 볼린저 밴드 투자 기법

개발자 존 볼린저는 밴드 자체의 폭이 축소되고 밀집되는 구간을 거차고 난 후
상단 밴드를 돌파할 때 주식을 매입하고
하단 밴드를 벗어날 때 주식을 공매도 하는 것을 추천
볼린저 밴드에서 폭이 좁아지는 것 = 주가 안정기
그 후 추세를 결정하는데 상단 밴드를 건드리면 상단 돌파, 하단 밴드를 건드리면 하향 추세로 간다.

복수의 밴드 접촉과 지표 이용
주가가 상단 밴드를 돌파 못하고 여러번 건드리며 약세 ->매도
하단 밴드를 여러번 건드리며 점점 상승기운 -> 매수
밴드의 상하단을 벗어난 이후 주가가 원래 가격대로 돌아올 경우 추세의 반전 예측

횡보구간 적용
장기간 주가가 횡보하여 밴드의 폭이 좁아졌을때 상한선 돌파시 매수시점
장기간 주가가 횡보하여 밴드의 폭이 좁아졌을때 하한선 돌파시 매도시점

볼린저밴드를 설정하기 위해 주가, 거래량, 변동성 3가지 자료가 필요합니다.
변동성에는 기업 현재적 가치와 심리가 투영되어 정규투자이론을 좋아하는 투자자이 분석을
"기술적 분석 + 기업 경영지표 분석"인 종합적인 분석 수단이라 하여 회의감을 갖기도 합니다.

정규 투자이론을 따르는 축에서는 차트의 움직임만으로 어떤 기업의 주식가치를 따지는 것은 무리라고 이야기 하곤 합니다. 볼린저밴드도 결국에는 보조지표 중에 하나이기 때문에 보조지표로만 활용해야한다고 말하며
시황, 업황, 추세, 모멘텀 등을 우선 체크하고 나서 보조지표로 활용하는 것을 추천하는 추세입니다.
추후 알고리즘 구현 시에 이 점을 유념하고 다양한 방법을 통하여 투자하시기 바랍니다.


0 개 댓글

답장을 남겨주세요