본문 바로가기
트레이딩

가격 비율, 가격 변화율. 매매 수익률. 로그 수익률. 로그 스프레드.

by i.got.it 2020. 4. 1.

 

 

 

가격 변화율 = (현재가격 - 이전가격) / 이전가격

- 계산식의 분자에 가격 "차이" 가 사용된다는 점. 

 

예:

- 이전가격 100 이 현재 1,000이라면 , 가격변화율 = (1000-100)/100 , 즉 9,

-- 이전가격 대비 증가"폭"이 이전가격의 9배 (900%)

- 이전가격 1,000 이 현재 100이라면 가격변화율 = (100-1000)/1000. 즉 -0.9

-- 이전가격 대비 감소"폭"이 이전가격의 -0.9배(-90%).

 

가격 비율 = 현재가격/이전가격

- 현재가격이 이전가격대비 몇 배인가를 계산하는 것

예:

- 이전가격 100 이 현재 1,000이라면 , 가격 비율 = 10

- 이전가격 1,000이 현재 100이라면 , 가격 비율 = 0.1

- 이전가격 100이 현재 100이라면 , 가격 비율 = 1

- 즉 1을 기준으로 증가 시 1보다 큰 값 감소 시 1보다 작은 값을 갖는다.

 

매수진입 매매수익률  =  (청산가격 - 진입가격)/진입가격  = (청산가/진입가 - 1 )

매도 진입 매매수익률  =  (진입가격 - 청산가격)/진입가격 =  (1 - 청산가/진입가) 

- %로 표현하려면 이 값에 곱하기 100 

 

예 :

- 매수진입가격 100 청산가격 1,000 이라면, 수익율 = 1,000/100 -1 . 즉 9 , 900% , 알짜 수익금액 900 

  - - 투자원금의 900% 알짜수익. 

 

- 매도진입가격 1,000 청산가격 100 이라면 수익율 = 1 - 100/1000. 즉 0.9, 90%, 알짜 수익 금액 900

  - - 투자원금의 90% 알짜수익

 

 

로그 수익률 

청산가/진입가 에 밑이 e 인 자연로그 ln 취한것. 

 

매수 진입  로그 수익률 = ln(청산가/진입가) = ln(청산가) - ln(진입가)

매도 진입 로그 수익률 = - ln(청산가/진입가) = ln(진입가) - ln(청산가)

 

- 로그 수익률은 상기 매매수익률보다 항상 작은 값이 계산된다. 매매수익률이 작을 수록 로그수익률값과 매매수익률 값은 점근한다.  매매수익률 20% 보다 작은 경우에는 값이 유사하며 통상 1~ 2% 이하의 작은 매매수익률에서는 로그수익률의 수치는 동일한 값을 보여준다고 생각하면 됨.

 

로그수익률 계산예 . 매수진입이라 하자. 

1. 청산가/진입가 값이 1.2 이면 20% 수익률, 로그수익률은  ln(1.2) =   0.1823 으로 18.2 %. 

2. 청산가/진입가 값이 1.02 이면 2% 수익률,  로그수익률은  ln(1.02) =   0.0198 로 1.98 %. 

3. 청산가/진입가 값이 1.01 이면 1% 수익률, 로그수익률은  ln(1.01) =   0.0099 로 0.99 %. 

3. 청산가/진입가 값이 1.005 이면 0.5% 수익률, 로그수익률은  ln(1.005) =   0.00498 로 0.49 %. 

 

 

 

 

2 종목 가격 비율 = X / Y 

- 2개의 서로 다른 거래종목이 있고 각각의 가격이 X, Y 라고 했을 때, 가격 비율. 

 

- 2종목 페어트레이딩 하는 경우,

- - 거래되는 2개 종목의 가격 그대로 사용하여 계산하지 않고 어느 하나를 스케일 변환하여 가격비율 = X/Yscale 로 계산한다. Yscale 계산방법 상세.

 

2종목 로그 가격 비율 ( 로그 스프레드 , 로그 수익률) = ln(X/Yscale)

- 용어 : 로그스프레드, 로그수익률, 로그 가격비율 . 모두 같은걸 의미하나 계산식의 의미를 가장 잘 표현한용어는 "로그 스프레드".  본 값이 실 매매 수익률에 비례하긴 하지만 실제 매매 수익률을 정확하게 보여주는 량은 아님.  

- ln(X/Yscale) 는  ln(x) - ln(Ysclae) 와 동일하므로 실제 계산시 후자를 많이 사용함. 

 

 

 

 

연관 

 

시계열 정규화. Normalizing . 크기조절. Scaling

시계열 정규화. Normalizing 주용도 : 2개 이상의 시계열들 비교. 신호처리계 입력단에 값의 범위 조절하기등. 시계열 정규화 - 평균, 표준편차 기반. Xnorm(t) = x(t) - m / sd where, m :평균 , sd 표준편자. -..

igotit.tistory.com

 


첫 등록 : 2020.03.31

최종 수정 : 

단축 주소 : https://igotit.tistory.com/2521

 


 

댓글



 

비트코인




암호화폐       외환/나스닥/골드         암호화폐/외환/나스닥/골드
     
현물 |선물 인버스 |선물 USDT       전략매니저(카피트레이딩)         프랍 트레이더 온라인 지원가능. MT4,MT5