엘리어트 파동이론의 개념과 유래
엘리어트 파동이론은 랄프 넬슨 엘리어트가 1930년대에 개발한 기술적 분석 이론이다. 엘리어트는 주식 시장의 가격 움직임이 일정한 패턴을 따른다는 것을 발견했다. 그는 이를 파동(Wave)이라 명명하고, 이 파동이 자연계에서 발견되는 프랙탈 구조와 유사하다고 주장했다.
엘리어트 파동이론에 따르면, 시장은 5개의 상승 파동과 3개의 하락 파동을 반복하는 8파동 사이클로 움직인다. 상승 파동은 충동파(Impulse Wave)라 불리며, 하락 파동은 조정파(Corrective Wave)라 불린다. 이 파동들은 다양한 차수(Degree)로 구성되어 있으며, 작은 파동들이 모여 더 큰 파동을 형성한다.
엘리어트는 이러한 파동 패턴이 시장 참여자들의 심리를 반영한다고 보았다. 상승 파동에서는 낙관과 희망이 지배하고, 하락 파동에서는 비관과 공포가 지배한다는 것이다. 따라서 엘리어트 파동이론은 시장 심리를 파악하고 미래의 가격 움직임을 예측하는 데 활용될 수 있다.
엘리어트 파동을 활용한 매매 전략
엘리어트 파동이론을 활용한 매매 전략의 기본 아이디어는 상승 파동에서 매수하고, 하락 파동에서 매도하는 것이다. 구체적인 매매 규칙은 다음과 같다.
- 5파동의 상승 파동 중 3파동이 끝나는 지점에서 매수한다.
- 3파동의 하락 파동 중 2파동이 끝나는 지점에서 매도한다.
- 상승 파동의 3파동 혹은 5파동의 고점을 돌파할 경우, 매수 포지션을 추가한다.
- 하락 파동의 1파동 혹은 3파동의 저점을 돌파할 경우, 매도 포지션을 추가한다.
- 손실 제한을 위해 스톱로스를 설정한다. 일반적으로 직전 파동의 시작점에 스톱로스를 걸어둔다.
이 전략에서는 파동의 전환점을 정확히 포착하는 것이 중요하다. 이를 위해서는 파동 카운팅 기술과 함께 피보나치 되돌림, 추세선, 보조지표 등을 활용할 수 있다.
엘리어트 파동 매매 전략의 파이썬 코드 예시
다음은 엘리어트 파동을 파이썬으로 구현하여 VOO ETF에 적용한 예시 코드이다. 이 코드는 야후 파이낸스에서 데이터를 가져와 엘리어트 파동을 식별하고, 이에 기반한 매매 신호를 생성한 후, 백테스팅을 수행한다.
import yfinance as yf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from mplfinance.original_flavor import candlestick_ohlc
# VOO ETF 데이터 가져오기 (최대 기간)
data = yf.download('VOO', start='2010-09-07')
data = data[['Open', 'High', 'Low', 'Close']]
# 엘리어트 파동 식별 함수
def is_impulse_wave(wave):
if len(wave) != 5:
return False
if wave[3] <= wave[1] or wave[3] <= wave[4]:
return False
if wave[0] >= wave[1] or wave[2] >= wave[3]:
return False
return True
def is_corrective_wave(wave):
if len(wave) != 3:
return False
if wave[2] >= wave[0]:
return False
return True
# 엘리어트 파동 매매 신호 생성 함수
def generate_signals(data, wave_size):
waves = []
signals = []
for i in range(len(data) - wave_size + 1):
wave = data[i:i+wave_size] # wave 정의: wave_size만큼의 데이터를 묶음
if is_impulse_wave(wave):
waves.append(wave)
if len(waves) >= 2 and waves[-1][0] > waves[-2][3]:
signals.append(1) # 매수 신호
else:
signals.append(0)
elif is_corrective_wave(wave):
waves.append(wave)
if len(waves) >= 2 and waves[-1][2] < waves[-2][3]:
signals.append(-1) # 매도 신호
else:
signals.append(0)
else:
signals.append(0)
return signals
# 백테스팅 함수
def backtest(data, signals, investment):
positions = []
equity = investment
for i in range(len(signals)):
if signals[i] == 1:
positions.append(equity / data['Close'][i])
equity = 0
elif signals[i] == -1:
equity += positions[-1] * data['Close'][i]
positions = []
if i == len(signals) - 1:
equity += positions[-1] * data['Close'][i]
data['Signals'] = signals
data['Equity'] = equity
data['Positions'] = positions
return data
# 매매 신호 생성 및 백테스팅 실행
wave_size = 8
signals = generate_signals(data['Close'], wave_size)
investment = 10000
result = backtest(data, signals, investment)
# 결과 출력
print(f'초기 투자금: ${investment:,.0f}')
print(f'최종 자산: ${result["Equity"][-1]:,.0f}')
# 차트 그리기
plt.figure(figsize=(12, 8))
candlestick_ohlc(plt.subplot(), data.reset_index().values, width=0.6, colorup='g', colordown='r', alpha=0.8)
plt.plot(result.index, result['Equity'], label='Equity Curve')
plt.legend()
plt.show()위 코드에서 is_impulse_wave와 is_corrective_wave 함수는 각각 상승 파동과 하락 파동을 식별한다. generate_signals 함수는 이를 활용하여 매매 신호를 생성한다. backtest 함수는 생성된 신호에 따라 매매를 실행하고 자산을 추적한다.
코드의 실행 결과로 초기 투자금 대비 최종 자산을 출력하고, 주가 차트와 자산 곡선을 그래프로 나타낸다. 이를 통해 엘리어트 파동 매매 전략의 성과를 직관적으로 평가할 수 있다.
그러나 이 코드는 엘리어트 파동의 기본 개념만 반영한 단순한 예시이다. 실제 시장에서는 파동의 다양한 변형과 불규칙성이 존재하므로, 이를 감안한 보다 정교한 알고리즘이 필요할 것이다. 또한 엘리어트 파동이론은 주관적 해석의 여지가 크므로, 과최적화에 주의해야 한다.