京橋のバイオインフォマティシャンの日常

南国のビーチパラソルの下で、Rプログラムを打ってる日常を求めて、、Daily Life of Bioinformatician in Kyobashi of Osaka

【R言語と仮想通貨】ビットコイン(BTC)の長期トレンド解析について

Mac R言語 仮想通貨 R - binancer R - TTR R - pdftools R - lubridate ビットコイン BTC トレンド解析 lookintobitcoin.com R - dygraphs::dygraph R - getETH R - getBTC イーサリアム ETH R - dygraphs R - lubridate::today()

はじめに

2022年11月に入り、仮想通貨の代表格であるビットコイン(BTC)がかなり低迷しています。

おいおい、カエル君、、先日来、大手仮想通貨取引所のFTXショックで仮想通全体が暴落しておるぞ！！

そ、そうなんですか？師匠。。家にテレビがなくて、知りませんでした。

いやいや、カエル君、、テレビではやっておらんぞ。時代は、YouTubeじゃ。

前置きはさて置き、こんな時こそ、BTCの長期トレンドを解析して、 歴史的に、どれ位の値段位置にいるのかを確認したいと思い立ちました。

今回は、R言語で、ビットコイン（BTC）の各種のトレンド解析・可視化関数を実装してみました。

仕事も忙しかったのもあるけど、、2-3週間ほど、ずっと、ここ記事の関数群を作成していたら、暴落が開始しました、ホントに思い出深いプログラム実装になりましたね。。。

パッケージ準備

まずは、関連パッケージをインストールしていきます。 この記事の為に作成した、関数群はGistサイトから適時読み込みます。

#パッケージ・インストール
pack <- c("binancer", "lubridate", "TTR", "pdftools", "classInt")
install.packages(pack[!(pack %in% unique(rownames(installed.packages())))])

#ライブラリ準備
library(binancer)
library(lubridate)
library(TTR)
library(pdftools)
library(classInt)

また、pdf_png_save関数を使って、PDFファイルを画像(PNG)に変換したい場合には、 追加で、brewコマンドでpdftoolsを設定する必要があります。 詳しくは、過去の記事をご参照してくだだい。

skume.net

ビットコインの長期チャートデータについて

getBTC関数を使って、 2010年7月18日から今日(現在、2022年11月13日)までのBTCの日足データを取得します。

とりあえず、getBTC.Rを読み込みます。

それで、getBTC関数を実行して、取得したデータを表示してみます。

#getBTC.Rの読み込み
source("https://gist.githubusercontent.com/kumeS/c466e97d42f6facbb8ba5a22ed361bf4/raw/07728e5e4810e53aa8bdcc411ac51603943761df/getBTC.R")

#BTCのデータ取得
Dat <- getBTC()

#表示
head(Dat)
#        Date Close Month
#1 2010-07-18   0.1    07
#2 2010-07-19   0.1    07
#3 2010-07-20   0.1    07
#4 2010-07-21   0.1    07
#5 2010-07-22   0.1    07
#6 2010-07-23   0.1    07

tail(Dat)
#           Date    Close Month
#4496 2022-11-07 20591.13    11
#4497 2022-11-08 18547.23    11
#4498 2022-11-09 15922.81    11
#4499 2022-11-10 17601.15    11
#4500 2022-11-11 17070.31    11
#4501 2022-11-12 16899.61    11

データの取得元ですが、 https://www.investing.comのヒストリカルデータに加えて、バイナンスの日足データを使用しています。

長期の移動平均から、BTCの経験的な底値が分かるかも？？

SMA_LogPlot関数を使って、BTCの値動きと長期移動平均(単純移動平均, SMA)との関係性を解析しました。 Y軸は、log表示です。

上値のラインは、底値に任意のファクターを掛け算して計算しています。

緑のライン・領域は売りゾーン(長期的にみて、値段が高い)、青のライン・領域は買いゾーン(長期的にみて、値段が安い)という判断になります。

それでは、これまでのBTC史のチャート推移を示してみます。

#SMA_LogPlot関数の準備
source("https://gist.githubusercontent.com/kumeS/cf479609eb312db4c7f3b3a002dda3df/raw/855d39904d48b1ba27ee7cf3c420b28440c5870c/SMA_LogPlot.R")

#pdf_png_save関数の準備
source("https://gist.githubusercontent.com/kumeS/bad9ace466970bd13b5afd15eed6f9b6/raw/8cd41b26c00696c59be98b4ce27a4f726ad27cae/pdf_png_save.R")

#(1) 2017年1月-2020年1月のチャート
SMA_LogPlot(Dat,
            term=c("2017-01-01", "2020-01-01"),
            xax = 0.008, yax = 0.9995, ycex=0.8)
#保存
pdf_png_save(FileName="SMA_LogPlot_01.pdf")

#(2) 2018年1月-2020年1月のチャート
SMA_LogPlot(Dat,
            term=c("2018-10-01", "2020-01-01"),
            xax = 0.025, yax = 0.9995, ycex=0.8)
pdf_png_save(FileName="SMA_LogPlot_02.pdf")

#(3) 2020年1月以降のチャート
SMA_LogPlot(Dat, 
            term=c("2020-01-01", as.character(lubridate::today())))
pdf_png_save(FileName="SMA_LogPlot_03.pdf")

#(4) 2022年1月以降のチャート
SMA_LogPlot(Dat, 
            term=c("2022-01-01", as.character(lubridate::today())),
            xax = 0.03, yax = 0.9997, ycex=0.8)
pdf_png_save(FileName="SMA_LogPlot_04.pdf")

以下に可視化結果を示します。また、pdf_png_save関数で結果を保存しています。

©️ 2022 京橋のバイオインフォマティシャンの日常 by skume

現在の2万ドル近辺でも、2019年1月あたりより、売られ過ぎになっってますね。 今回のコロナバブルの終わりですね。

長期の加重移動平均線(WMA)から、BTCの経験的な底値が分かるかも

次に、WMA_Plot関数を使って、BTCの値動きと長期移動平均(加重移動平均線, WMA)との関係性を解析します。

#WMA_Plot.Rの準備
source("https://gist.githubusercontent.com/kumeS/1f3f3556ddff20e0bc105ae1e8e5f443/raw/0eba9c4c2e3140ab1e2a748e030ecc8b918d6a52/WMA_Plot.R")

#pdf_png_save関数の準備
source("https://gist.githubusercontent.com/kumeS/bad9ace466970bd13b5afd15eed6f9b6/raw/8cd41b26c00696c59be98b4ce27a4f726ad27cae/pdf_png_save.R")

#(1) 2017年1月-2020年1月のチャート
WMA_Plot(Dat,
         term=c("2017-01-01", "2020-01-01"))
pdf_png_save(FileName="WMA_Plot_01.pdf")

#(2) 2020年1月以降のチャート
WMA_Plot(Dat, 
         term=c("2020-01-01", as.character(lubridate::today())))
pdf_png_save(FileName="WMA_Plot_02.pdf")

#(3) 2022年6月以降のチャート
WMA_Plot(Dat, 
         term=c("2022-06-01", as.character(lubridate::today())),
         lag=5, xax = 0.1, yax = 0.9999)
pdf_png_save(FileName="WMA_Plot_03.pdf")

以下に可視化結果を示します。

©️ 2022 京橋のバイオインフォマティシャンの日常 by skume

WMAの長期トレンドから見ても、2万円以下は安いのかもですね。。

WMAの長期トレンドを網掛け(ポリゴン)表示について

WMAの長期トレンドの網掛け表示をする場合は、 WMA_polygon_Plot関数で実行します。

Y軸のLog表示を切り替えられるようにしています。

#WMA_polygon_Plot.Rの読み込み
source("https://gist.githubusercontent.com/kumeS/00dfb4d5983904cbc2204d22ae156f01/raw/620c9dbe7bf694fa551c580efee31f9dbafd4644/WMA_polygon_Plot.R")

#Log表示
WMA_polygon_Plot(Dat, term=c("2020-01-01", as.character(lubridate::today())),
                lag=5, xax = 0.015, yax = 0.999, xcex=0.9, ycex=0.8, rou=0,
                M1=0.15, m1=0.9, line_col=T, LogY=T)
pdf_png_save(FileName="WMA_polygon_Plot_01.pdf")

#非Log表示
WMA_polygon_Plot(Dat, term=c("2020-01-01", as.character(lubridate::today())),
                lag=5, xax = 0.1, yax = 0.999, xcex=0.9, ycex=0.8, rou=0,
                M1=0.15, m1=0.8, line_col=T, LogY=F)
pdf_png_save(FileName="WMA_polygon_Plot_02.pdf")

以下に可視化結果を示します。

©️ 2022 京橋のバイオインフォマティシャンの日常 by skume

網掛け表示の方が、やや見易いような気がしますね。

SMAの長期トレンドを網掛け(ポリゴン)表示について: 2022年11月14日更新

SMAの長期トレンドの網掛け表示をする場合は、 SMA_polygon_Plot関数で実行します。

#getBTC.Rの読み込み
source("https://gist.githubusercontent.com/kumeS/c466e97d42f6facbb8ba5a22ed361bf4/raw/07728e5e4810e53aa8bdcc411ac51603943761df/getBTC.R")

#BTCのデータ取得
Dat <- getBTC()

#SMA_polygon_Plot.Rの読み込み
source("https://gist.githubusercontent.com/kumeS/ffde4bc3811f0b0549121173790c6ff5/raw/5d2f5b45beabe65cb35201b01c481ddafe324b36/SMA_polygon_Plot.R")
source("https://gist.githubusercontent.com/kumeS/bad9ace466970bd13b5afd15eed6f9b6/raw/8cd41b26c00696c59be98b4ce27a4f726ad27cae/pdf_png_save.R")

#(1) 2019-01-01以降のチャート
SMA_polygon_Plot(Dat, term=c("2019-01-01", as.character(lubridate::today())),
                 lag=5, xax = 0.06, yax = 0.999, xcex=0.9, ycex=0.8, rou=0,
                 M1=0.15, m1=0.9, line_col=T, LogY=F)
pdf_png_save(FileName="SMA_polygon_Plot_01.pdf")

#(2) 2022-01-01以降のチャート
SMA_polygon_Plot(Dat, term=c("2022-01-01", as.character(lubridate::today())),
                 lag=5, xax = 0.06, yax = 0.9998, xcex=0.9, ycex=0.8, rou=0,
                 M1=0.15, m1=0.6, line_col=T, LogY=F)
pdf_png_save(FileName="SMA_polygon_Plot_02.pdf")

©️ 2022 京橋のバイオインフォマティシャンの日常 by skume

多重の単純移動平均線(SMA)によるBTCのトレンド解析

単純移動平均線(SMA)が下値のサポートとして機能するか、上値のレジスタンスとなるか長期のトレンド解析をしてみました。

trends_SMA_plot関数にて実行します。

#trends_SMA_plot.Rの読み込み
source("https://gist.githubusercontent.com/kumeS/f4813db3049e95db9dd53d528afddf72/raw/a0a2b2bd4e06147ef1a57fbfa285738c9c469d75/trends_SMA_plot.R")

#(1) 2017年1月-2020年1月のチャート
trends_SMA_plot(Dat, 
            term=c("2017-01-01", "2020-01-01"),
            lag=5, xax = 0.1, yax = 0.9999)
pdf_png_save(FileName="trends_SMA_plot_01.pdf")

#(2) 2018年1月-2020年1月のチャート
trends_SMA_plot(Dat,
            term=c("2018-10-01", "2020-01-01"),
            M1=0.25, lag=5, xax = 0.1, yax = 0.99995)
pdf_png_save(FileName="trends_SMA_plot_02.pdf")

#(3) 2020年1月以降のチャート
trends_SMA_plot(Dat,
            term=c("2020-01-01", as.character(lubridate::today())),
            lag=5, xax = 0.1, yax = 0.99995)
pdf_png_save(FileName="trends_SMA_plot_03.pdf")

#(4) 2022年1月以降のチャート
trends_SMA_plot(Dat, 
            term=c("2022-01-01", as.character(lubridate::today())),
            lag=5, xax = 0.1, yax = 0.99995)
pdf_png_save(FileName="trends_SMA_plot_04.pdf")

以下に可視化結果を示します。

©️ 2022 京橋のバイオインフォマティシャンの日常 by skume

歴史的には、SMAの移動平均を5本目抜けないと強さが出ないですね。 今後も、SMA150日の移動平均を超える必要がありそうですね。

多重の加重移動平均線(WMA)によるBTCのトレンド解析

次に、WMA移動平均線が下値のサポートとして機能するか、上値のレジスタンスとなるか長期のトレンド解析をしてみました。

trends_WMA_plot関数にて実行します。

#trends_WMA_plot.Rの読み込み
source("https://gist.githubusercontent.com/kumeS/71cc142fe533d232fa51c985c2a345a7/raw/5461c64076a3cd3dfe889fcc05f6fdd8d0ccdd2e/trends_WMA_plot.R")

#(1) 2017年1月-2020年1月のチャート
trends_WMA_plot(Dat, 
                term=c("2017-01-01", "2020-01-01"),
                lag=5, xax = 0.1, yax = 0.999)
pdf_png_save(FileName="trends_WMA_plot_01.pdf")

#(2) 2018年1月-2020年1月のチャート
trends_WMA_plot(Dat,
                term=c("2018-10-01", "2020-01-01"),
                M1=0.2, lag=5, xax = 0.1, yax = 0.99995)
pdf_png_save(FileName="trends_WMA_plot_02.pdf")

#(3) 2020年1月以降のチャート
trends_WMA_plot(Dat,
                term=c("2020-01-01", as.character(lubridate::today())),
                lag=5, xax = 0.1, yax = 0.99995)
pdf_png_save(FileName="trends_WMA_plot_03.pdf")

#(4) 2022年1月以降のチャート
trends_WMA_plot(Dat, 
                term=c("2022-01-01", as.character(lubridate::today())),
                lag=5, xax = 0.1, yax = 0.99995)
pdf_png_save(FileName="trends_WMA_plot_04.pdf")

以下に可視化結果を示します。

©️ 2022 京橋のバイオインフォマティシャンの日常 by skume

WMAの方が値動きによりフィットしていて、図としても収まりが良いですね。 WMAだと、WMA200日線を超えるかどうかがポイントそうですね。

長期移動平均線(SMA)と価格の倍数から高値水準を測る

移動平均と比べて、何倍の値段で買われているかで判断する方法を紹介します。 SMA_Heatmap_Plot関数で実行します。

実際、これは、結構良い指標となりそうです。

#getBTC.Rの読み込み
source("https://gist.githubusercontent.com/kumeS/c466e97d42f6facbb8ba5a22ed361bf4/raw/07728e5e4810e53aa8bdcc411ac51603943761df/getBTC.R")

#BTCのデータ取得
Dat <- getBTC()

#SMA_Heatmap_Plot関数の読み込み
source("https://gist.githubusercontent.com/kumeS/a9aecb4914abba4b2d4d2d035b732154/raw/5024f37ff86c3fa1de06b2562519d3cd9a66e1bd/SMA_Heatmap_Plot.R")

#(1) 2017年1月-2020年1月のチャート
SMA_Heatmap_Plot(Dat,
                 term=c("2017-01-01", "2020-01-01"), SMA_periods=2000,
                 m1=0.25)
pdf_png_save(FileName="SMA_Heatmap_Plot_01.pdf")

#(2) 2018年1月-2020年1月のチャート
SMA_Heatmap_Plot(Dat,
                 term=c("2018-01-01", "2020-01-01"), SMA_periods=2000,
                 m1=0.25)
pdf_png_save(FileName="SMA_Heatmap_Plot_02.pdf")

#(3) 2020年1月以降のチャート
SMA_Heatmap_Plot(Dat,
                 term=c("2020-01-01", as.character(lubridate::today())))
pdf_png_save(FileName="SMA_Heatmap_Plot_03.pdf")

#(4) 2022年1月以降のチャート
SMA_Heatmap_Plot(Dat,
                 term=c("2022-01-01", as.character(lubridate::today())),
                 SMA_periods=2000)
pdf_png_save(FileName="SMA_Heatmap_Plot_04.pdf")

以下に可視化結果を示します。

©️ 2022 京橋のバイオインフォマティシャンの日常 by skume

歴史的には、少なくとも、倍率が1倍台にならないと、底値にはならないようですね。

今回、1を切るということは。。。どういう意味なんでしょうね。

まとめ

今回のビットコインの長期トレンド解析については、 実際、Look into bitcoin のチャートを眺めながら、アイディアを貰いました。感謝です。

また、Rプログラムを作ってるときに、大手仮想通貨取引所のFTX騒動が勃発して、FTXが破産申請、引き続き、仮想通貨暴落中。。。

仮想通貨は、いつも我々の想像を超えてきますね。。やってはいけないことを繰り返しやる、それが現代の金融システムですね。

補足

BTCの長期チャートのdygraphs表示

折角なので、dygraph関数で、BTCの長期チャートをインタラクティブに可視化してみました。

#パッケージ・インストール
pack <- c("dygraphs", "xts")
install.packages(pack[!(pack %in% unique(rownames(installed.packages())))])

#ライブラリ準備
library(dygraphs)
library(xts)

#データ読み込み
Dat <- getBTC()
rownames(Dat) <- Dat$Date
Dat.xts <- xts::as.xts(Dat)

#可視化
Dat.xts[,2] %>%
  dygraphs::dygraph(main = "BTC") %>% 
  dygraphs::dySeries("Close", label = "BTC") %>%
  dygraphs::dyRangeSelector(height = 40)  %>%
  htmltools::save_html(file="BTC_x.html")

https://kumes.github.io/Blog/R_BTC/BTC_x.html

イーサリアム(ETH)の長期チャートデータについて

ビットコインだけでなく、イーサリアム(ETH)の長期チャート用のデータを取得する関数も作成しました。

以下のように、getETH関数を使って、ETHの日足長期データを取得します。

#getETH.Rの読み込み
source("https://gist.githubusercontent.com/kumeS/3260853bb9278061a4a245a4e11092b2/raw/ea2fe720e04894456abff6c6c4e7e1ade687a85d/getETH.R")

#ETHのデータ取得
Dat <- getETH()

#表示
head(Dat)
#        Date Close Month
#1 2015-08-07  3.00    08
#2 2015-08-08  1.20    08
#3 2015-08-09  1.20    08
#4 2015-08-10  1.20    08
#5 2015-08-11  0.99    08
#6 2015-08-12  1.29    08

tail(Dat)
#           Date    Close Month
#2649 2022-11-07 1567.748    11
#2650 2022-11-08 1334.770    11
#2651 2022-11-09 1102.730    11
#2652 2022-11-10 1299.280    11
#2653 2022-11-11 1289.280    11
#2654 2022-11-12 1268.150    11

データの取得元は、ethereumprice.orgとバイナンスのデータです。

参考資料

www.statology.org

stackoverflow.com

tips-r.blogspot.com

stackoverflow.com