仮想通貨の対数価格の差分値の移動平均線を引いてみる

仮想通貨のOHLCVデータ

ビットコイン BTC_JPY の 1時間足 のOHLCVデータを用意します。
使用するデータの期間は 3年半 としました。
仮想通貨のOHLCVデータを生成する

open high low close volume
timestamp
2019-01-19 12:00:00+00:00 408644.0 408800.0 407998.0 408380.0 12.38
2019-01-19 13:00:00+00:00 408380.0 408380.0 407431.0 407900.0 32.53
2019-01-19 14:00:00+00:00 407900.0 408343.0 407231.0 407304.0 14.85
2019-01-19 15:00:00+00:00 408000.0 408050.0 407500.0 408000.0 2.65
2019-01-19 16:00:00+00:00 407300.0 408693.0 407257.0 408333.0 7.01
... ... ... ... ... ...
2022-07-19 08:00:00+00:00 2998857.0 3021886.0 2985959.0 3019666.0 156.30
2022-07-19 09:00:00+00:00 3019224.0 3024654.0 3001833.0 3015632.0 92.79
2022-07-19 10:00:00+00:00 3016245.0 3041685.0 3001117.0 3024848.0 133.01
2022-07-19 11:00:00+00:00 3025721.0 3056504.0 3011697.0 3021942.0 204.96
2022-07-19 12:00:00+00:00 3022319.0 3055000.0 3021862.0 3051209.0 214.94

通常の価格の移動平均線

TA-Lib を使って、仮想通貨の価格そのままの SMA を算出します。
Windows11にTA-Libをインストール

Python 

    import talib

    # SMAを算出する。
    periods = [10, 200]
    for period in periods:
        df['SMA_' + str(period)] = talib.SMA(df['close'], timeperiod=period)

    print(df.loc[:, ['close', 'SMA_10', 'SMA_200']])
close SMA_10 SMA_200
timestamp
2019-01-19 12:00:00+00:00 408380.0 NaN NaN
2019-01-19 13:00:00+00:00 407900.0 NaN NaN
2019-01-19 14:00:00+00:00 407304.0 NaN NaN
2019-01-19 15:00:00+00:00 408000.0 NaN NaN
2019-01-19 16:00:00+00:00 408333.0 NaN NaN
... ... ... ...
2022-07-19 08:00:00+00:00 3019666.0 3039166.0 2850317.680
2022-07-19 09:00:00+00:00 3015632.0 3030700.0 2851316.580
2022-07-19 10:00:00+00:00 3024848.0 3024230.0 2852367.355
2022-07-19 11:00:00+00:00 3021942.0 3021643.1 2853413.625
2022-07-19 12:00:00+00:00 3051209.0 3021362.5 2854622.170

対数価格の移動平均線

仮想通貨の価格の対数価格を算出し、対数価格の SMA を算出します。
株価を対数価格で見る

Python 

    # 対数価格を算出する。
    df['close_log'] = df['close'].apply(np.log1p)
    
    # SMAを算出する。
    periods = [10, 200]
    for period in periods:
        df['LOG_SMA_' + str(period)] = talib.SMA(df['close_log'], timeperiod=period)

    print(df.loc[:, ['close', 'close_log', 'LOG_SMA_10', 'LOG_SMA_200']])
close close_log LOG_SMA_10 LOG_SMA_200
timestamp
2019-01-19 12:00:00+00:00 408380.0 12.919956 NaN NaN
2019-01-19 13:00:00+00:00 407900.0 12.918780 NaN NaN
2019-01-19 14:00:00+00:00 407304.0 12.917318 NaN NaN
2019-01-19 15:00:00+00:00 408000.0 12.919025 NaN NaN
2019-01-19 16:00:00+00:00 408333.0 12.919841 NaN NaN
... ... ... ... ...
2022-07-19 08:00:00+00:00 3019666.0 14.920657 14.927036 14.862091
2022-07-19 09:00:00+00:00 3015632.0 14.919320 14.924268 14.862433
2022-07-19 10:00:00+00:00 3024848.0 14.922372 14.922151 14.862793
2022-07-19 11:00:00+00:00 3021942.0 14.921411 14.921299 14.863152
2022-07-19 12:00:00+00:00 3051209.0 14.931049 14.921207 14.863565

対数価格の変動量の移動平均線

株式や仮想通貨の対数価格の増減は正規分布に従う ということだったので、対数価格の変動量の SMA を算出します。
ついでに、通常価格の変動量の SMA も算出しておきます。

Python 

    # 前のBarの値との差分値を算出する。
    df['close_diff'] = df['close'] - df['close'].shift(1)
    df['close_log_diff'] = df['close_log'] - df['close_log'].shift(1)
    
    # SMAを算出する。
    periods = [10, 200]
    for period in periods:
        df['DIFF_SMA_' + str(period)] = talib.SMA(df['close_diff'], timeperiod=period)
        df['LOG_DIFF_SMA_' + str(period)] = talib.SMA(df['close_log_diff'], timeperiod=period)

    print(df.loc[:, ['close', 'close_diff', 'DIFF_SMA_10', 'DIFF_SMA_200',
                     'close_log', 'close_log_diff', 'LOG_DIFF_SMA_10', 'LOG_DIFF_SMA_200']])
close close_diff DIFF_SMA_10 DIFF_SMA_200 close_log close_log_diff LOG_DIFF_SMA_10 LOG_DIFF_SMA_200
timestamp
2019-01-19 12:00:00+00:00 408380.0 NaN NaN NaN 12.919956 NaN NaN NaN
2019-01-19 13:00:00+00:00 407900.0 -480.0 NaN NaN 12.918780 -0.001176 NaN NaN
2019-01-19 14:00:00+00:00 407304.0 -596.0 NaN NaN 12.917318 -0.001462 NaN NaN
2019-01-19 15:00:00+00:00 408000.0 696.0 NaN NaN 12.919025 0.001707 NaN NaN
2019-01-19 16:00:00+00:00 408333.0 333.0 NaN NaN 12.919841 0.000816 NaN NaN
... ... ... ... ... ... ... ... ...
2022-07-19 08:00:00+00:00 3019666.0 20797.0 780.4 904.070 14.920657 0.006911 0.000259 0.000309
2022-07-19 09:00:00+00:00 3015632.0 -4034.0 -8466.0 998.900 14.919320 -0.001337 -0.002769 0.000343
2022-07-19 10:00:00+00:00 3024848.0 9216.0 -6470.0 1050.775 14.922372 0.003051 -0.002116 0.000360
2022-07-19 11:00:00+00:00 3021942.0 -2906.0 -2586.9 1046.270 14.921411 -0.000961 -0.000852 0.000359
2022-07-19 12:00:00+00:00 3051209.0 29267.0 -280.6 1208.545 14.931049 0.009638 -0.000092 0.000413

グラフで視覚化する

データは揃ったので、グラフ化してみます。

価格の移動平均線

価格の変動量の移動平均線

仮想通貨を長期で見ると、かなり上下に変動していますが、対数価格の変動量のグラフを見ると、どの期間で切り取っても、定常性があるので、データ量が多いほど助かる機械学習には向いているのかもしれません。

前の記事

アイキャッチ
時系列データで、時間に関する特徴量を作る

次の記事

Pythonの除算、商、余り、データ分割
eyecatch