FX 거래 항목을 필터링하는 데 COT 데이터를 사용하는 방법

COT 포지셔닝 데이터는 거래가 비상업 포지시팅의 방향 편향과 일치하면 높은 확률의 세트업과 정보 기관 흐름에 반대하는 거래를 분리하는 의미있는 필터를 추가합니다.

이 가이드는 전체 프로세스를 통해 걸습니다: FXMacroData API에서 COT 데이터를 뽑아내어, 키 파생 메트릭을 계산하고, 위치 필터를 구축하고, 입력 워크플로에 적용합니다.

필수 조건

• FXMacroData API 키 이 사이트에서 이용하실 수 있습니다. / 가입COT 최종점은 모든 유료 계획에 포함되어 있습니다.
• 파이썬 3.9+ 과 함께 requests 설치된 라이브러리 (pip install requests) 의 내용입니다.
• COT 보고서 용어 (비상업 장기, 단기, 오픈 인테스) 에 대한 기본적인 친숙성. FX 트레이더를 위한 COT 보고서 가이드 기본 요소를 다루고 있습니다.
• 선택적으로, pandas 데이터 조작 단계에 대해 (pip install pandas) 의 내용입니다.

Step 1 — Fetch COT Data from the API

FXMacroData COT 엔드포인트 (endpoint) 는 통화 선물에 대한 주간 비상업 및 상업적 포지셔닝을 반환합니다. 지원되는 통화는 AUD, CAD, CHF, EUR, GBP, JPY, NZD 및 USD입니다. 각 기록에는 비상공 및 상업 참여자의 긴, 짧은 및 순계 계약 수와 전체 오픈 이점이 포함되어 있습니다.

curl "https://fxmacrodata.com/api/v1/cot/eur?api_key=YOUR_API_KEY&start=2023-01-01"

JSON 응답은 다음과 같은 구조를 가지고 있습니다.

{
  "currency": "eur",
  "data": [
    {
      "date": "2025-03-25",
      "noncommercial_long": 198432,
      "noncommercial_short": 61840,
      "noncommercial_net": 136592,
      "commercial_long": 68230,
      "commercial_short": 201860,
      "open_interest": 591400
    },
    {
      "date": "2025-03-18",
      "noncommercial_long": 185710,
      "noncommercial_short": 66320,
      "noncommercial_net": 119390,
      "commercial_long": 72140,
      "commercial_short": 189430,
      "open_interest": 578200
    }
  ]
}

파이썬에서, 이 호출을 시간 순으로 정렬된 데이터 목록을 반환하는 보조에 포장합니다:

import requests
from datetime import date, timedelta

BASE_URL = "https://fxmacrodata.com/api/v1"
API_KEY  = "YOUR_API_KEY"


def fetch_cot(currency: str, lookback_days: int = 365) -> list[dict]:
    """Return COT weekly records for *currency* over the last *lookback_days* days."""
    start = (date.today() - timedelta(days=lookback_days)).isoformat()
    resp = requests.get(
        f"{BASE_URL}/cot/{currency.lower()}",
        params={"api_key": API_KEY, "start": start},
        timeout=15,
    )
    resp.raise_for_status()
    payload = resp.json()
    return sorted(payload["data"], key=lambda r: r["date"])


records = fetch_cot("eur")
print(f"Loaded {len(records)} COT records for EUR")
print("Latest:", records[-1])

단계 2 파생 위치 측정값을 계산

원료 계약 수치는 통화와 시간 간 비교하기가 어렵습니다. 80,000 계약의 순수 길이는 EUR 선물 (큰 유동 시장) 에 비해 CHF (소규모 오픈 인테스트) 에 매우 다른 것을 의미합니다. 두 가지 파생 메트릭이 이것을 해결합니다.

2a. 오픈 이의 비율로 순위

비상업 순위 지분을 전체 오픈 이자로 나누면 -1과 +1 사이의 정상화 비율이 생성됩니다. 이것은 측정법을 통화와 시간에 따라 직접 비교 할 수 있습니다.

def net_pct_oi(records: list[dict]) -> list[dict]:
    """Add 'net_pct' field = noncommercial_net / open_interest to each record."""
    enriched = []
    for r in records:
        oi = r.get("open_interest") or 1  # guard against zero
        enriched.append({**r, "net_pct": r["noncommercial_net"] / oi})
    return enriched


records = net_pct_oi(records)
latest  = records[-1]
print(f"EUR net % OI: {latest['net_pct']:.3f}  ({latest['date']})")

2b. 퍼센틸 순위 위치

현재 위치가 극단적인지 알기 위해서는 역사적 맥락이 필요합니다. net_pct 후기 창 안에 절대 숫자를 퍼센틸로 변환합니다 (0 = 가장 하락, 100 = 가장 상승). 75 이상의 퍼센티일은 밀집 된 긴 것을 나타냅니다. 25 이하는 밀집된 짧은 것을 나타낸다.

def percentile_rank(series: list[float], value: float) -> float:
    """Return the percentile rank of *value* within *series* (0–100)."""
    below = sum(1 for x in series if x < value)
    return below / len(series) * 100


net_series     = [r["net_pct"] for r in records]
current_net    = records[-1]["net_pct"]
pct_rank       = percentile_rank(net_series, current_net)

print(f"EUR positioning percentile: {pct_rank:.1f}th")

2c 위치 모멘텀

트렌드 방향은 현재 수준만큼이나 중요합니다. 성장하는 넷 롱은 평형화되거나 줄어들기 시작한 넷 론드와 다른 신호입니다. 모멘텀을 파악하기 위해 net_pct의 4 주 변화를 계산하십시오:

def positioning_momentum(records: list[dict], periods: int = 4) -> float:
    """Return the change in net_pct over the last *periods* weeks."""
    if len(records) < periods + 1:
        return 0.0
    return records[-1]["net_pct"] - records[-(periods + 1)]["net_pct"]


momentum = positioning_momentum(records)
print(f"EUR 4-week positioning change: {momentum:+.3f}")

단계 3 입력 필터를 구축

세 가지 메트릭스를 가지고, 어떤 통화에 대한 방향 신호를 반환하는 필터 함수를 만들 수 있습니다. 논리는 현재 수준, 퍼센틸 컨텍스트, 그리고 모멘텀 방향을 하나의 게이트로 결합합니다.

def cot_entry_filter(
    currency: str,
    lookback_days: int = 365,
    long_pct_threshold: float = 55.0,
    short_pct_threshold: float = 45.0,
    momentum_min: float = 0.005,
) -> dict:
    """
    Return a COT positioning signal for *currency*.

    Parameters
    ----------
    currency            : ISO currency code (AUD, CAD, CHF, EUR, GBP, JPY, NZD, USD)
    lookback_days       : history window for percentile calculation
    long_pct_threshold  : minimum percentile to confirm a long bias
    short_pct_threshold : maximum percentile to confirm a short bias
    momentum_min        : minimum absolute 4-week change to confirm momentum

    Returns
    -------
    dict with keys: currency, signal, net_pct, percentile, momentum, date
    """
    records  = fetch_cot(currency, lookback_days)
    records  = net_pct_oi(records)
    latest   = records[-1]

    net_series = [r["net_pct"] for r in records]
    pct_rank   = percentile_rank(net_series, latest["net_pct"])
    momentum   = positioning_momentum(records)

    if pct_rank >= long_pct_threshold and momentum >= momentum_min:
        signal = "long"
    elif pct_rank <= short_pct_threshold and momentum <= -momentum_min:
        signal = "short"
    else:
        signal = "neutral"

    return {
        "currency"   : currency.upper(),
        "signal"     : signal,
        "net_pct"    : round(latest["net_pct"], 4),
        "percentile" : round(pct_rank, 1),
        "momentum"   : round(momentum, 4),
        "date"       : latest["date"],
    }


result = cot_entry_filter("eur")
print(result)

EUR 비상업이 붐비는 경우 샘플 출력

{
  "currency"  : "EUR",
  "signal"    : "long",
  "net_pct"   : 0.231,
  "percentile": 82.4,
  "momentum"  : 0.018,
  "date"      : "2025-03-25"
}

단계 4 거래 항목에 필터를 적용

필터 함수는 세 개의 신호 중 하나를 반환합니다. long short, 또는 neutral- 의도된 사용은 주요 입력 신호 앞의 게이트입니다: COT 필터가 long (또는 neutral 만약 당신이 더 공격적이면), 그리고 COT 필터가 short- 그래요

def should_enter_trade(
    currency: str,
    proposed_direction: str,
    allow_neutral: bool = False,
) -> bool:
    """
    Return True if COT positioning supports *proposed_direction* for *currency*.

    Parameters
    ----------
    currency           : ISO currency code
    proposed_direction : 'long' or 'short'
    allow_neutral      : if True, a 'neutral' COT signal does not block entry
    """
    cot = cot_entry_filter(currency)
    if cot["signal"] == proposed_direction:
        return True
    if allow_neutral and cot["signal"] == "neutral":
        return True
    return False


# Example: checking whether to enter a EUR/USD long
currency = "eur"   # base currency of the pair
direction = "long"

if should_enter_trade(currency, direction):
    print(f"COT confirms {direction} bias for {currency.upper()} — proceed to entry check")
else:
    print(f"COT filter blocked {direction} entry for {currency.upper()}")

단계 5 다화 대시보드로 확장

Running the filter across all eight supported currencies at once gives you a weekly positioning dashboard. This is useful for identifying which FX pairs have the clearest speculator-driven tailwinds and which to avoid because positioning is working against your direction.

CURRENCIES = ["aud", "cad", "chf", "eur", "gbp", "jpy", "nzd", "usd"]

def cot_dashboard() -> list[dict]:
    """Return COT positioning signals for all supported currencies."""
    results = []
    for ccy in CURRENCIES:
        try:
            result = cot_entry_filter(ccy)
            results.append(result)
        except Exception as exc:
            print(f"Warning: could not load {ccy.upper()} COT data — {exc}")
    return results


dashboard = cot_dashboard()
for row in dashboard:
    bar = "▲" if row["signal"] == "long" else ("▼" if row["signal"] == "short" else "–")
    print(f"{row['currency']:4s}  {bar} {row['signal']:8s}  pct={row['percentile']:5.1f}  mom={row['momentum']:+.3f}")

샘플 주간 출력:

AUD   ▲ long      pct= 71.2  mom=+0.012
CAD   – neutral   pct= 53.8  mom=-0.004
CHF   ▲ long      pct= 68.4  mom=+0.008
EUR   ▲ long      pct= 82.4  mom=+0.018
GBP   – neutral   pct= 48.1  mom=-0.002
JPY   ▼ short     pct= 19.6  mom=-0.022
NZD   ▲ long      pct= 63.0  mom=+0.007
USD   ▼ short     pct= 22.1  mom=-0.015

이 스냅샷을 읽음: 비상업 거래는 EUR, AUD, CHF 및 NZD 선물; JPY 및 USD의 짧은 포지션이며 CAD 및 GBP에 중립적입니다. EUR/JPY 장기 거래를 고려하는 거래자는 두 다리를 투기자의 흐름에 의해 확인되는 것을 발견합니다. USD/CAD 장기 거래를 검토하는 거래자가 USD에 대한 COT 역풍과 CAD에 대한 중립적인 배경에 직면 할 것입니다. 포지셔닝 관점에서 약한 설정.

단계 6 COT를 매크로 확인 계층과 결합

가장 강력한 설정은 같은 방향성 요점을 뒷받침하는 적어도 하나의 거시적 기본과 COT 위치화를 결합합니다. 금리 차이는 자연스러운 보완입니다. 투기자들이 EUR를 길게하고 ECB-Fed 금리차가 EUR의 이익을 위해 넓어지면 위치와 기본 사례가 일치합니다.

을 사용하세요 정책금리 최종점 각 통화의 가장 최근의 환율을 뽑아내고 이차를 계산하기 위해:

def fetch_latest_rate(currency: str) -> float | None:
    """Return the most recent policy rate for *currency* as a float."""
    resp = requests.get(
        f"{BASE_URL}/announcements/{currency.lower()}/policy_rate",
        params={"api_key": API_KEY, "limit": 1},
        timeout=15,
    )
    if resp.status_code != 200:
        return None
    data = resp.json().get("data", [])
    return data[0]["val"] if data else None


def rate_differential(base_ccy: str, quote_ccy: str) -> float | None:
    """Return base_rate − quote_rate, or None if either rate is unavailable."""
    base_rate  = fetch_latest_rate(base_ccy)
    quote_rate = fetch_latest_rate(quote_ccy)
    if base_rate is None or quote_rate is None:
        return None
    return base_rate - quote_rate


def combined_filter(base_ccy: str, quote_ccy: str, direction: str) -> dict:
    """
    Return a combined COT + rate-differential signal for a currency pair.

    direction : 'long' (buy base) or 'short' (sell base)
    """
    cot_base   = cot_entry_filter(base_ccy)
    cot_quote  = cot_entry_filter(quote_ccy)
    diff       = rate_differential(base_ccy, quote_ccy)

    # For a long (buy base): we want long bias on base AND short/neutral on quote
    if direction == "long":
        cot_ok   = cot_base["signal"] == "long" and cot_quote["signal"] != "long"
        macro_ok = diff is not None and diff > 0
    else:
        cot_ok   = cot_base["signal"] == "short" and cot_quote["signal"] != "short"
        macro_ok = diff is not None and diff < 0

    return {
        "pair"       : f"{base_ccy.upper()}/{quote_ccy.upper()}",
        "direction"  : direction,
        "cot_ok"     : cot_ok,
        "macro_ok"   : macro_ok,
        "confirmed"  : cot_ok and macro_ok,
        "cot_base"   : cot_base,
        "cot_quote"  : cot_quote,
        "rate_diff"  : round(diff, 4) if diff is not None else None,
    }


signal = combined_filter("eur", "jpy", "long")
print("Confirmed:", signal["confirmed"])
print("COT base :", signal["cot_base"]["signal"], "| COT quote:", signal["cot_quote"]["signal"])
print("Rate diff :", signal["rate_diff"])

요약

이제 당신은 라이브 FXMacroData API 데이터에 구축 된 완전한 COT 기반 입력 필터를 가지고 있습니다. 작업 흐름은 여섯 단계로 구성됩니다:

1. 주간 COT 기록을 가져오기 위해 통화 또는 통화 당신은 거래.
2. 순위 지분은 외환에 따라 정상화되도록 개방된 금리의 비율로 계산합니다.
3. 극한 또는 중립적인 조건을 식별하기 위해 후기 일 년 내에 현재 위치를 순위 지정하십시오.
4. 4주간의 동력을 계산해 보시면, 포지셔닝이 여러분의 편에 있는지 확인해 보실 수 있습니다.
5. 필터 신호에 대한 거래 항목을 게이트 COT 정렬이 방향과 일치 할 때만 진행하십시오.
6. 선택적으로 두 가지 요인 확인을 위해 비율 차이 확인과 결합합니다.

전체 다화 대시보드는 주간 스펙레이터 돈의 위치를 파악할 수 있도록 해줍니다. 따라서 당신은 기관 흐름에 대한 거래가 아니라 기관 흐름과 함께 거래를 합니다. 다음 단계로, COT 필터를 인플레이션 아니면 고용 마크로 점수 모델을 구축하기 위한 최종 지점으로 세 가지 신호를 모두 함께 위치, 금리 차수, 성장/인플레이션 동력을 더 완전한 체제 그림을 위해 가중합니다.