시간과 가격의 기하학, 갠 팬(Gann Fan) 작도법과 추세 예측 [지표 백과 054]

1. 시간과 가격은 기하학적으로 연결되어 있다: W.D. 갠의 철학

월스트리트의 전설적인 트레이더 윌리엄 델버트 갠(W.D. Gann)은 주식 시장이 무작위로 움직이는 것이 아니라, 자연의 법칙과 기하학적 비율에 따라 매우 질서 정연하게 움직인다고 믿었습니다.

당대의 다른 기술적 분석가들이 오직 '가격'의 오르내림에만 집착할 때, 갠은 '시간'이라는 요소를 가격과 정확히 동일한 비중으로 다루었습니다. 그는 "1단위의 시간 동안 1단위의 가격이 움직이는 45도 각도의 선(1x1 선)"을 시장의 가장 완벽한 균형점이자 생명선으로 보았습니다. 갠 팬(Gann Fan)은 특정한 메이저 바닥(또는 천장)에서 시작하여 이 1x1 선을 중심으로 다양한 기하학적 비율의 선들을 부채꼴(Fan) 모양으로 펼쳐, 미래 어느 시점에 주가가 지지나 저항을 받을지를 예측해 내는 경이로운 작도 시스템입니다.

2. 수리적 원리와 계산 구조

갠 팬은 이동평균선처럼 과거의 데이터를 뭉뚱그려 그리는 선이 아닙니다. 출발점($t_0, P_0$)을 찍고 미래를 향해 직선의 방정식을 쏘아 올리는 기하학적 작도입니다.

Step 1. 기준점 및 스케일(Scale) 설정

가장 의미 있는 메이저 저점(최저가)이나 고점을 출발점($t_0$, 가격은 $P_0$)으로 잡습니다. 그리고 하루(1단위 시간)에 주가가 평균적으로 얼마씩 움직이는지를 나타내는 스케일(Scale)을 설정합니다. (스케일 설정은 갠 팬의 핵심이자 가장 어려운 부분입니다.)

Step 2. 기하학적 비율($N$) 곱셈 및 방사형 작도

갠이 찾아낸 자연의 비율($N \in \{1/8, 1/4, 1/3, 1/2, 1, 2, 3, 4, 8\}$)을 곱하여, 기준점으로부터 경과한 시간($t - t_0$)에 따른 미래 가격($P_t$)을 산출하여 부채꼴로 그립니다.

$$P_t = P_0 + (t - t_0) \times Scale \times N$$

3. 실전 매매 활용법 (기하학적 추세 판독 테이블)

갠 팬은 1x1 선(45도 선)을 시장의 절대적인 기준으로 삼으며, 주가가 이 선의 위나 아래 중 어디에 위치하느냐로 강세장과 약세장을 판가름합니다.

시그널 형태	현상 설명 (부채꼴 각도의 의미)	실전 매매 대응 전략 (Action)
1x1 선 상회 (생명선 유지)	주가가 45도 각도의 1x1 선 위에서 움직이는 상태	대세 강세장 홀딩. 시간과 가격의 균형이 상방으로 쏠려 있습니다. 주가가 조정을 받아 1x1 선까지 내려오면 완벽한 눌림목 매수 타점이 됩니다.
1x1 선 이탈 (추세 붕괴)	주가가 강력한 지지선인 1x1 선을 아래로 깨고 내려감	대세 전환 경고 및 즉각 청산. 상승 모멘텀이 끝났음을 의미합니다. 갠의 이론에 따르면 1x1 선이 깨지면 주가는 자석처럼 다음 각도인 1x2 선까지 하락하게 됩니다.
2x1 선 돌파 (추세 가속)	주가가 1x1을 넘어 가파른 2x1 선(약 63도) 위로 올라탐	극단적 과열 및 단기 익절. 시장이 비이성적인 속도로 폭등하고 있습니다. 이 각도는 오래 유지될 수 없으므로 머지않아 1x1 선으로 회귀할 것을 대비해야 합니다.

4. 차트에서 나타나는 수리적 특성: 8x1(A304360) 분석 사례

시간과 가격이 만나는 기하학적 균형점을 **8x1**의 차트를 통해 정밀하게 투시해 보겠습니다.

 

• 완벽한 1x1 생명선(Red Line): 시스템이 자동으로 포착한 2025년 8월 하순의 최저점에서 시작된 9가닥의 부채꼴 라인을 보십시오. 가장 핵심이 되는 붉은색 굵은 실선의 '1x1 생명선'이 대세 상승장을 척추처럼 든든하게 받치고 있습니다. 주가가 조정을 받을 때마다 이 1x1 선 부근에서 자석처럼 지지를 받고 다시 튕겨 오르는 모습은 기하학적 균형의 마법을 보여줍니다.
• 가속 구간과 균형 회귀: 주가가 가파르게 폭등할 때는 푸른색 계열의 2x1, 3x1, 4x1 가속 라인을 차례로 돌파하며 광기를 보여줍니다. 하지만 갠의 이론처럼 이 가파른 각도들은 오래 유지되지 못하고 무너지며, 결국 주가는 다시 든든한 지지선인 1x1 생명선으로 회귀하여 균형을 맞춥니다.

5. 장점 및 한계

• 장점: 이동평균선 같은 후행성 지표가 따라오기를 기다릴 필요가 없습니다. 기준점을 잡고 부채꼴을 쫙 펼쳐두는 순간, 수개월 뒤의 미래 어느 날짜에 어느 가격대에서 지지와 저항이 발생할지를 미리 '예측(Project)'하고 그물망을 쳐둘 수 있는 엄청난 무기입니다.
• 한계: 가장 치명적인 단점은 '주관성'입니다. 모니터 해상도나 차트의 축소/확대 비율에 따라 45도 각도(Scale)가 다르게 보이거나 적용될 수 있습니다. 1단위 시간을 얼마의 가격 폭(Scale)으로 설정하느냐에 따라 갠 팬의 각도가 완전히 달라지므로, 이를 퀀트 알고리즘으로 완벽히 자동화하기 위해서는 종목의 고유 변동성을 반영하는 정교한 동적 스케일링(Dynamic Scaling) 기술이 필수적입니다.

6. 파이썬 구현 (동적 스케일링 기반 방사형 작도)

로컬 DB의 데이터를 기반으로 최근 150일 내의 최저점을 자동으로 탐색(`argmin`)한 뒤, 그 이후의 변동폭을 기간으로 나누어 해당 종목에 딱 맞는 1x1 스케일(Scale)을 동적으로 산출합니다. 이후 갠의 기하학적 비율 리스트를 순회하며 데이터프레임에 미래의 예측 선을 투영하는 고급 퀀트 작도 코드입니다.

import pandas as pd
import numpy as np

def calculate_gann_fan(df, lookback=150):
    # 1. 최근 N일 내의 메이저 저점(최저가) 자동 탐색
    recent_df = df.iloc[-lookback:]
    min_idx_relative = recent_df['low'].argmin()
    min_idx = len(df) - lookback + min_idx_relative
    start_price = df['low'].iloc[min_idx]
    
    # 2. 종목 고유 변동성 기반의 동적 스케일(Scale) 설정 알고리즘
    period_after_low = len(df) - min_idx
    if period_after_low > 5:
        max_price_after = df['high'].iloc[min_idx:].max()
        scale = (max_price_after - start_price) / period_after_low
    else:
        # 데이터 부족 시 방어 코드
        scale = df['close'].std() / 10
        
    # 3. 갠의 기하학적 비율 (T:P)
    ratios = {'1x8': 1/8, '1x4': 1/4, '1x3': 1/3, '1x2': 1/2, '1x1': 1.0, 
              '2x1': 2.0, '3x1': 3.0, '4x1': 4.0, '8x1': 8.0}
    
    # 4. 직선의 방정식을 활용한 방사형(Fan) 추세선 작도
    for name, r in ratios.items():
        line = np.full(len(df), np.nan)
        # 저점 출발점부터 미래 방향으로만 작도
        for i in range(min_idx, len(df)):
            line[i] = start_price + ((i - min_idx) * scale * r)
        df[f'Gann_{name}'] = line
        
    return df, min_idx

7. 실전 Tip 및 요약

갠 팬의 신뢰도를 극한으로 끌어올리는 비법은 기존의 '수평 지지/저항선(전고점, 전저점 매물대 등)'과 갠 팬 라인이 십자가처럼 **'교차(Intersection)'**하는 지점을 찾는 것입니다. 시간과 가격이 만나는 갠의 사선과, 과거의 매물대가 만든 수평선이 정확히 만나는 그 좌표야말로, 폭발적인 반등이나 치명적인 폭락이 발생하는 갠의 기하학적 특이점이 됩니다.

---

*본 포스팅은 기술적 지표의 수리적 이해를 돕기 위한 참고 자료이며, 투자 결과에 대한 책임은 투자자 본인에게 있습니다.*