문서 / 블록 레퍼런스 / 지표 블록
지표 블록
트레이딩 지표
단순 이동평균부터 복잡한 계산까지, 폭넓은 지표를 제공하는 지표 블록으로 다양한 기술적 인사이트를 활용하세요. 이 섹션을 통해 지표를 전략에 매끄럽게 통합하여, 시장 추세를 읽고 잠재적인 진입·청산 지점을 정밀하게 포착하는 능력을 키울 수 있습니다.
새 지표 블록을 만들려면 블루프린트 화면에서 더블 클릭하거나, 메뉴의 + 버튼을 클릭하세요. 검색창에 “indicator/” 뒤에 아래 약어를 붙여 입력하거나, 약어만 입력해도 됩니다.
기억하세요. 전략마다 필요한 지표 유형이 다릅니다. 가장 좋은 트레이딩 지표 조합은 정보를 중복하지 않으면서 서로를 보완하는 조합입니다.
추천 지표 몇 가지
지표 이름: 약어
마지막 신호 수익: last_profit
_Last signal profit_ 마지막 매매 신호 이후의 수익을 계산해, 특정 기간 동안의 전략 성과에 대한 인사이트를 제공합니다. 손절 트리거를 만들 때 유용합니다.
캔들스틱 패턴 감지: candlestick
_Candlestick Pattern Detection_ 강세, 약세, 해머, 슈팅스타 등 캔들스틱 패턴을 감지하도록 도와, 캔들 형태를 바탕으로 주요 시장 추세와 잠재적 반전 신호를 포착할 수 있게 합니다.
상대강도지수: rsi
Relative Strength Index 시장 내 가격 움직임의 속도와 변화율을 측정하며, 0과 100 사이에서 움직입니다. 자산이 과매수 상태인지 과매도 상태인지에 대한 인사이트를 제공하여, 잠재적 추세 반전과 시장 상황을 파악하는 데 도움이 됩니다.
단순 이동평균: sma
_Simple Moving Average_ 지정한 기간 동안의 자산 평균 가격을 계산해 매끄러운 추세선을 제공합니다. 전반적인 시장 방향을 파악하는 데 유용합니다.
지수 이동평균: ema
_Exponential Moving Average_ 비슷하지만 최근 가격에 더 큰 가중치를 부여해 단기 가격 변화에 더 민감하게 반응합니다. 보다 즉각적인 시장 추세를 포착하는 데 유리합니다.
슈퍼트렌드: SuperTrend
_Supertrend_ 시장의 가격과 변동성을 바탕으로 슈퍼트렌드 값을 계산하여, 현재 추세의 방향을 판단하는 데 도움을 줍니다.
슈퍼트렌드 KO: SuperTrendKO
_SuperTrendKO_ 슈퍼트렌드와 비슷하지만, 시장 노이즈를 반영하도록 수정된 버전으로 거짓 신호를 최소화하여 더 정확한 추세 신호를 제공하는 것을 목표로 합니다.
전체 트레이딩 지표 목록
벡터 절댓값: abs
Vector Absolute Value 배열의 각 요소에 대한 절댓값을 계산합니다.
벡터 아크코사인: acos
_Vector Arccosine_ 배열의 각 요소에 대한 삼각함수 아크코사인을 계산합니다.
매집/분산 라인: ad
_Accumulation Distribution Line_ 거래량 흐름과 주가의 관계를 이용해 종목의 추세를 판단합니다.
덧셈: add
Add 두 배열을 더합니다.
매집/분산 오실레이터: adosc
_Accumulation Distribution Oscillator_ 매집/분산 라인의 단기 지수 이동평균에서 장기 지수 이동평균을 뺀 값으로 계산됩니다.
평균 방향성 지수: adx
_Average Directional Movement Index_ 0에서 100 사이의 값으로 추세의 강도를 보여줍니다.
평균 방향성 지수 등급: adxr
_Average Directional Movement Index Rating_ 평균 방향성 지수와 같지만 더 완만합니다. 이 지표는 adx보다 단기적인 시장의 빠른 등락에 덜 영향을 받습니다.
어썸 오실레이터: ao
_Awesome Oscillator_ 시장의 모멘텀을 측정합니다.
절대 가격 오실레이터: apo
_Absolute Price Oscillator_ 단기 지수 이동평균과 장기 지수 이동평균의 차이입니다.
아룬: aroon
_Aroon_ Aroon-Up과 Aroon-Down 두 지표로 구성됩니다. 아룬은 추세의 시작, 강도, 그리고 변화를 포착할 수 있습니다.
아룬 오실레이터: aroonosc
_Aroon Oscillator_ Aroon-Up과 Aroon-Down 지표의 차이이며, 출력값은 0과 100 사이입니다.
벡터 아크사인: asin
_Vector Arcsine_ 배열의 각 요소에 대한 삼각함수 아크사인을 계산합니다.
벡터 아크탄젠트: atan
_Vector Arctangent_ 배열의 각 요소에 대한 삼각함수 아크탄젠트를 계산합니다.
평균 실질 변동폭: atr
_Average True Range_ 지정한 기간 동안 종목의 가격 범위에 대한 시장 변동성을 측정합니다.
평균 가격: avgprice
_Average Price_ 종목의 시가, 고가, 저가, 종가의 평균을 보여줍니다.
볼린저 밴드: bbands
_Bollinger Bands_ 상단, 중간, 하단 밴드로 구성됩니다. 중간 밴드는 이동평균 지표이며, 상단과 하단 밴드는 그 양쪽에 위치합니다. 표준편차 값이 중간 밴드와 상단·하단 밴드 사이의 거리를 결정합니다.
밸런스 오브 파워: bop
_Balance of Power_ 시장에서 매수 세력과 매도 세력의 강도를 평가합니다.
캔들스틱 패턴 감지: candlestick
_Candlestick Pattern Detection_ 강세, 약세, 해머, 슈팅스타 등 캔들스틱 패턴을 감지하도록 도와, 캔들 형태를 바탕으로 주요 시장 추세와 잠재적 반전 신호를 포착할 수 있게 합니다.
상품채널지수: cci
_Commodity Channel Index_ 가격이 평균보다 훨씬 높을 때는 높아지고, 훨씬 낮을 때는 낮아집니다. 따라서 cci는 가격 흐름의 과매수·과매도 구간을 식별할 수 있습니다. 그 외에도 반전과 다이버전스를 발견하는 데 사용됩니다.
벡터 올림: ceil
_Vector Ceiling_ 배열의 요소들로부터 가장 작은 정수(올림값)를 보여줍니다.
찬드 모멘텀 오실레이터: cmo
_Chande Momentum Oscillator_ 상승일과 하락일의 가격 모멘텀을 계산합니다. 다시 말해, 상승 종가의 합과 하락 종가의 합의 차이를 전체 가격 변동의 합으로 나눈 값입니다.
벡터 코사인: cos
_Vector Cosine_ 배열의 각 요소에 대한 삼각함수 코사인을 계산합니다.
벡터 쌍곡코사인: cosh
_Vector Hyperbolic Cosine_ 배열의 각 요소에 대한 삼각함수 쌍곡코사인을 계산합니다.
크로스 애니: crossany
_Crossany_ 입력들이 서로 교차하는지 지속적으로 감지합니다.
크로스 오버: crossover
_Crossover_ 첫 번째 입력이 다른 입력을 상향 돌파하는지 지속적으로 감지합니다. 즉, crossany 지표와 달리 첫 번째 입력이 다른 입력 위로 올라서는 상황만을 감지합니다.
차이킨 변동성: cvi
Chaikins Volatility 각 기간의 고가와 저가의 차이를 계산합니다.
감쇠: decay
_Decay_ 최근 신호의 배열을 저장합니다. 특히 머신러닝 알고리즘에서 유용한 지표입니다.
이중 지수 이동평균: dema
_Double Exponential Moving Average_ 지수 이동평균과 같지만, 최근 데이터 포인트에 더 큰 가중치를 부여하여 지연(lag)이 더 적은 데이터를 제공합니다.
방향성 지표: di
_Directional Indicator_ 가격 추세의 움직임을 보여주는 positive directional indicator 선과 negative directional indicator 선으로 구성됩니다. 이 두 선의 교차가 매수·매도 신호를 만들어냅니다. 양의 선이 음의 선을 상향 돌파하면 매수 신호이고, 그 반대는 매도 신호입니다.
벡터 나눗셈: div
_Vector Division_ 주어진 입력들을 나눕니다.
방향성 움직임: dm
_Directional Movement_ positive directional movement 선과 negative directional movement 선을 그립니다. 이 선들은 직전 고가와 저가를 이용해 계산됩니다.
추세 제거 가격 오실레이터: dpo
_Detrended Price Oscillator_ 가격 추세를 제거하여 고점과 저점을 더 쉽게 식별할 수 있게 합니다. 따라서 이 지표를 이용하면 사이클 길이를 추정하기가 훨씬 간단해집니다.
방향성 지수: dx
_Directional Movement Index_ dmi라고도 불리며, 두 개의 방향성 움직임 선과 평균 방향성 지수 지표를 포함합니다.
지수 감쇠: edecay
_Exponential Decay_ decay와 거의 같지만, 같은 기간에서 더 빠르게 작동합니다.
지수 이동평균: ema
_Exponential Moving Average_ 일정 기간 동안의 가격 변화 방향을 보여줍니다. EMA는 Simple Moving Average와 비슷하지만, SMA가 가격 값의 평균을 그대로 계산하는 것과 달리 EMA는 최근 가격에 더 큰 가중치를 부여합니다.
이즈 오브 무브먼트: emv
_Ease of Movement_ 가격 변동과 거래량 사이의 관계를 분석합니다.
벡터 지수함수: exp
_Vector Exponential_ 입력 배열의 각 숫자에 대한 지수 값을 반환합니다. 즉, 오일러 상수 e를 각 입력 요소만큼 거듭제곱한 값을 계산합니다.
피셔 변환: fisher
_Fisher Transform_ 가격을 정규분포에 더 가깝게 만들어 가격 시계열에서 전환점의 예측 가능성을 높이는 것을 목표로 합니다. 이 변환을 통해 극단값과 잠재적 반전을 더 쉽게 식별할 수 있습니다.
벡터 내림: floor
Vector Floor 어떤 값의 내림은 그 값보다 작거나 같은 가장 큰 정수입니다.
예측 오실레이터: fosc
_Forecast Oscillator_ 현재 주가와 Time Series Forecast 함수에서 도출된 선형 회귀 가격의 차이를 모니터링하여 향후 주가를 예측합니다.
헐 이동평균: hma
_Hull Moving Average_ 지연(lag)을 제거해 매우 빠르며, 다른 전통적인 이동평균 지표보다 더 매끄러운 개선된 이동평균입니다.
카우프만 적응형 이동평균: kama
_Kaufman Adaptive Moving Average_ 단기적인 가격 등락을 제거하여 거짓 신호를 줄입니다. 다시 말해 kama는 시장 노이즈를 걸러내므로, 시장 변동성이 낮으면 현재 시장 가격에 밀착해 따라갑니다.
클링거 거래량 오실레이터: kvo
_Klinger Volume Oscillator_ 거래량과 가격을 비교하여 시장 반전을 예측합니다.
래그 블록: lag
Lag block 입력 데이터를 지정한 만큼 지연시킵니다. 예를 들어 15분봉에서 lag를 1로 설정하면 직전 캔들의 데이터를 출력합니다. 현재 값을 과거 값과 비교할 때 유용합니다.
라게르 필터: laguerrefilter
_Laguerre filter_ 가격 데이터를 평활화하고 추세를 식별하는 데 사용됩니다. 시장 데이터에 라게르 필터 알고리즘을 적용해 노이즈를 줄이고, 기저 추세를 더 명확하게 보여줍니다.
마지막 신호 수익: last_profit
_Last signal profit_ 마지막 매매 신호 이후의 수익을 계산해, 특정 기간 동안의 전략 성과에 대한 인사이트를 제공합니다.
선형 회귀: linreg
_Linear Regression_ 지정한 수의 봉에 대한 선형 회귀선의 끝값을 표시합니다.
선형 회귀 절편: linregintercept
_Linear Regression Intercept_ 이동 기간의 첫 번째 입력 봉에 대한 선형 회귀선의 높이를 반환합니다.
선형 회귀 기울기: linregslope
_Linear Regression Slope_ 추세 강도의 방향을 판단합니다. 이 지표는 트레이더가 지정한 기간을 n이라 할 때, 현재 봉과 이전 n-1개의 봉을 이용해 각 봉의 기울기를 계산합니다.
벡터 자연로그: ln
_Vector Natural Log_ 입력 배열의 각 요소에 대한 자연로그를 계산합니다.
벡터 상용로그: log10
_Vector Base-10 Log_ 입력 배열의 각 요소에 대한 밑이 10인 로그를 계산합니다.
이동평균 수렴·확산 지수: macd
_Moving Average Convergence Divergence_ 주가의 방향을 판단합니다. 추세 반전은 발생한 뒤에만 감지할 수 있으므로 반전 포착용으로는 사용하지 않는 것이 좋습니다. 또한 과매수·과매도 상태를 식별하는 용도로도 잘 사용되지 않습니다.
시장 촉진 지수: marketfi
_Market Facilitation Index_ 추세의 강도를 측정하고 추세가 시작되려 할 때 이를 예측합니다. 거래량 단위당 가격 움직임을 계산합니다.
매스 인덱스: mass
_Mass Index_ _Exponential Moving Averages_를 이용해 지정한 기간 동안 거래 범위(고가와 저가의 차이)의 확대와 축소를 측정함으로써, 트레이더가 잠재적 추세 반전을 식별하도록 돕습니다.
기간 내 최댓값: max
_Maximum In Period_ 최근 n개 봉에서의 최댓값을 반환합니다.
기간 평균 편차: md
_Mean Deviation Over Period_ 일정 기간에 대한 절대 평균 편차를 계산합니다.
중간값 가격: medprice
_Median Price_ 각 봉의 고가와 저가의 평균을 계산합니다.
자금 흐름 지수: mfi
Money Flow Index 가격과 거래량을 함께 모니터링하여 매매 압력을 측정하며, 0과 100 사이의 값을 반환합니다.
기간 내 최솟값: min
Minimum In Period 최근 n개 봉에서의 최솟값을 반환합니다.
모멘텀: mom
_Momentum_ 현재 가격과 마지막에서 n번째 봉의 가격 사이의 변화를 계산합니다.
메사 사인 웨이브: msw
_Mesa Sine Wave_ 시장이 사이클 모드에 있는지 추세 모드에 있는지를 감지합니다.
벡터 곱셈: mul
Vector Multiplication 두 입력 배열을 받아 곱합니다.
정규화 평균 실질 변동폭: natr
_Normalized Average True Range_ average true range를 정규화한 버전으로, 다음 공식으로 계산됩니다: NATR = (ATR / Close) * 100.
음의 거래량 지수: nvi
_Negative Volume Index_ 시장 거래량에 민감한 누적 지표입니다. 높은 거래량은 정보가 부족한 트레이더들 때문이라는 관점에서 거래량이 많은 날은 고려하지 않습니다. 거래량이 적은 날에는 정보에 밝은 트레이더들이 더 활발하게 움직이므로 nvi 지표는 이들의 영향을 받습니다. nvi 값은 가격이 오르면 상승하고 가격이 내리면 하락합니다.
온 밸런스 볼륨: obv
_On Balance Volume_ 매수 압력과 매도 압력을 계산하는 누적 지표입니다. 상승일에는 증가하고 하락일에는 감소합니다.
백분율 가격 오실레이터: ppo
_Percentage Price Oscillator_ 기간이 다른 두 지수 이동평균의 차이를 더 긴 기간의 이동평균으로 나눈 값을 계산합니다.
예측: predict
_Predict_ 이 블록은 머신러닝을 활용해 다음 가격 움직임을 예측하는 것을 목표로 합니다. 주의: 이 블록은 아직 학습 중이며 완전히 훈련되지 않았습니다. 그때까지는 정확한 예측을 내놓지 못할 수 있습니다.
파라볼릭 SAR: psar
_Parabolic SAR_ 추세의 손절 지점과 잠재적 반전을 파악하는 데 도움을 줍니다. 실제로 SAR는 stop and reverse(정지 후 반전)의 약자로, 그 용도를 잘 설명해 줍니다.
양의 거래량 지수: pvi
_Positive Volume Index_ Negative Volume Index nvi와 같으며 흔히 함께 사용되지만, 거래량이 많은 날에 민감하다는 점이 다릅니다.
큐스틱: qstick
_Qstick_ 모멘텀 지표로서, 종가와 시가의 차이에 단순 이동평균을 적용합니다.
변화율: roc
_Rate of Change_ 현재 가격과 n 기간 전 가격 사이의 백분율 변화를 계산합니다.
변화율 비율: rocr
Rate of Change Ratio 현재 가격과 n 기간 전 가격 사이의 변화를 계산합니다.
벡터 반올림: round
_Vector Round_ 배열의 각 요소에 대해 가장 가까운 정수를 반환합니다.
상대강도지수: rsi
_Relative Strength Index_ 시장 내 가격 움직임의 속도와 변화율을 측정하며, 0과 100 사이에서 움직입니다.
벡터 사인: sin
_Vector Sine_ 배열의 각 요소에 대한 삼각함수 사인을 계산합니다.
벡터 쌍곡사인: sinh
_Vector Hyperbolic Sine_ 배열의 각 요소에 대한 삼각함수 쌍곡사인을 계산합니다.
단순 이동평균: sma
_Simple Moving Average_ 평균 가격 값을 계산하여 일정 기간 동안의 가격 변화 방향을 보여줍니다.
벡터 제곱근: sqrt
_Vector Square Root_ 배열의 각 요소에 대한 제곱근을 계산합니다.
기간 표준편차: stddev
_Standard Deviation Over Period_ 일정 기간 동안 현재 가격과 평균 가격의 차이를 측정합니다.
기간 표준오차: stderr
_Standard Error Over Period_ 모집단 평균이 표본 평균과 얼마나 다른지를 보여줍니다.
스토캐스틱 오실레이터: stoch
_Stochastic Oscillator_ 마지막 종가를 일정 기간의 최고가·최저가와 비교하며, 0에서 100 사이의 범위를 가집니다.
스토캐스틱 RSI: stochrsi
_Stochastic RSI_ stoch와 rsi 두 지표의 결합입니다. 실제로는 rsi 지표 위에 stoch 지표를 적용하는 것으로, 일정 기간의 고점·저점 범위 대비 rsi의 상대적 위치를 측정합니다.
스톡 투 플로우: stocktoflow
_Stock to flow_ 특정 자산의 희소성을 평가하며, 흔히 Bitcoin 같은 암호화폐에 적용됩니다. 기존 스톡(현재 공급량)과 플로우(신규 생산량)를 비교하여 자산의 잠재적 가치와 시장 역학에 대한 인사이트를 제공합니다.
벡터 뺄셈: sub
Vector Subtraction 두 입력의 뺄셈 결과(a - b)를 반환합니다.
슈퍼트렌드: SuperTrend
_Super Trend_ 시장의 가격과 변동성을 바탕으로 슈퍼트렌드 값을 계산하여, 현재 추세의 방향을 판단하는 데 도움을 줍니다.
슈퍼트렌드 KO: SuperTrendKO
_Super Trend KO_ _Super Trend_와 비슷하지만, 시장 노이즈를 반영하도록 수정된 버전으로 거짓 신호를 최소화하여 더 정확한 추세 신호를 제공하는 것을 목표로 합니다.
기간 합계: sum
_Sum Over Period_ 최근 n개 봉의 합계를 반환합니다.
벡터 탄젠트: tan
_Vector Tangent_ 배열의 각 요소에 대한 삼각함수 탄젠트를 계산합니다.
벡터 쌍곡탄젠트: tanh
_Vector Hyperbolic Tangent_ 배열의 각 요소에 대한 삼각함수 쌍곡탄젠트를 계산합니다.
삼중 지수 이동평균: tema
_Triple Exponential Moving Average_ 더 매끄러운 데이터를 제공하는 고속 이동평균입니다. 최근 데이터에 더 큰 가중치를 부여해 지연을 줄이므로 단기 트레이딩에 더 적합합니다.
벡터 도 단위 변환: todeg
_Vector Degree Conversion_ 라디안 배열을 도(degree) 배열로 변환합니다.
벡터 라디안 단위 변환: torad
_Vector Radian Conversion_ 도(degree) 배열을 라디안 배열로 변환합니다.
실질 변동폭: tr
_True Range_ 다음 중 가장 큰 값을 반환합니다:
- 당일 고가에서 당일 저가를 뺀 값
- 당일 고가에서 전일 종가를 뺀 값의 절댓값
- 당일 저가에서 전일 종가를 뺀 값의 절댓값
삼각 이동평균: trima
_Triangular Moving Average_ Simple Moving Average sma와 같지만, 평균을 두 번 냅니다. 다시 말해 trima는 sma에 다시 sma를 적용한 것입니다. 이 방식은 가운데 봉들에 더 큰 가중치를 두어 더 매끄러운 선을 만들어냅니다.
삼중 지수 평균 (TRIX): trix
Triple Exponential Moving Average 세 번 평활화한 ema(ema를 세 번 적용)의 백분율 변화를 보여줍니다.
벡터 버림: trunc
_Vector Truncate_ 배열의 각 요소에 대해 숫자의 정수 부분만 반환합니다.
시계열 예측: tsf
_Time Series Forecast_ 이름 그대로 과거 데이터를 바탕으로 미래 추세를 예측합니다. 이동평균 지표들에 비해 급격한 가격 변화에 더 민감합니다.
전형 가격: typprice
_Typical Price_ 고가, 저가, 종가의 산술 평균을 계산합니다.
얼티밋 오실레이터: ultosc
_Ultimate Oscillator_ 세 가지 서로 다른 시간대를 고려하여 매수 압력을 측정합니다. 이 기간들(7, 14, 28)은 단기, 중기, 장기 시장 추세를 나타냅니다.
기간 분산: var
_Variance Over Period_ 평균으로부터의 편차 제곱의 평균을 계산하여 변동 정도를 측정합니다.
수직 수평 필터: vhf
_Vertical Horizontal Filter_ 가격 움직임을 모니터링하여 가격이 추세 국면에 있는지 혼조(횡보) 국면에 있는지를 알려줍니다.
가변 지수 동적 평균: vidya
_Variable Index Dynamic Average_ 시장 변동성에 따라 기간이 동적으로 변하는 ema를 계산합니다.
연율화 역사적 변동성: volatility
_Annualized Historical Volatility_ 일정 기간 동안 연평균 주가의 편차를 측정합니다.
거래량 오실레이터: vosc
Volume Oscillator 단기 거래량 이동평균과 장기 거래량 이동평균의 차이를 계산합니다. 이런 방식으로 거래량의 변화를 모니터링하는 것이 거래량 자체를 모니터링하는 것보다 기술적으로 더 큰 의미가 있습니다.
거래량 가중 이동평균: vwma
_Volume Weighted Moving Average_ 대부분의 이동평균 지표와 비슷하지만 계산에 시장 거래량을 반영합니다. 실제로 거래량이 많은 가격에 거래량이 적은 가격보다 더 큰 가중치를 부여합니다.
윌리엄스 매집/분산: wad
_Williams Accumulation/Distribution_ 매집과 분산에 따른 가격 변화의 누적 합계입니다. 매집과 분산은 각각 매수자와 매도자가 주도하는 시장을 의미합니다. 실제로 wad 지표는 시장의 긍정적·부정적 압력을 측정합니다.
가중 종가: wcprice
_Weighted Close Price_ 고가, 저가, 그리고 두 배로 반영한 종가의 평균입니다.
와일더 스무딩: wilders
_Wilder's Smoothing_ ema와 같지만, 다른 평활화 계수를 사용하여 가격 변화에 더 느리게 반응합니다.
윌리엄스 %R: willr
_Williams %R_ 가장 최근 종가의 위치를 일정 기간의 최고가·최저가와 비교하여 과매수·과매도 시장을 식별합니다.
가중 이동평균: wma
_Weighted Moving Average_ sma와 같지만 최근 데이터에 더 큰 가중치를 둡니다. 이 덕분에 가격 변화에 더 빠르게 반응하며 시장 가격에 더 가깝게 붙어 있습니다.
제로 래그 지수 이동평균: zlema
_Zero-Lag Exponential Moving Average_ dema, tema와 같은 목표를 추구합니다. 지연을 제거하여 속도를 높이고 가격을 더 밀착해서 추적합니다.