【一次认识一个市场技术指标】之RSI（相对强弱指标）

最新推荐文章于 2024-11-09 20:16:21 发布

敲代码的quant

最新推荐文章于 2024-11-09 20:16:21 发布

阅读量2k

点赞数

本文链接：https://blog.csdn.net/FrankieHello/article/details/102952453

版权

点上方蓝字关注，开启量化学习之旅~

瑞典旅游攻略

一次认识一个市场技术指标

每次只需花费五分钟左右即可了解金融衍生品市场中一个常用的技术指标，包括这个技术指标的作用、计算方法、实际应用以及代码实现，以便以后再次遇到这个指标不会再陌生。

指标介绍

（螺纹rb2001）

RSI（Relative Strength Index）称为相对强弱指标。它可以表示市场一定时期的景气程度。RSI也是由威尔德（J Welles Wilder）于1978年在《New Concepts in Technical Trading Systems》中提出。RSI可以用来评估多空力量的强弱程度，所以它可以作为一种超买超卖指标，RSI已经成为技术分析中使用最为广泛的技术指标之一。上图中RSI(7, 14)则展示了分别以7日和14日为周期计算得到的两个RSI曲线。

RSI是根据一定时期内上涨点数和涨跌点数之间的比率计算得到的。它的取值范围是0到100，通常RSI处于30到70之间。

当RSI处于10到20之间时，市场处于超卖状态，后市大概率价格会出现反弹回升。

当RSI处于80到90之间时，市场处于超买状态，后市大概率价格会出现价格回落。

根据RSI的特征，根据RSI值所处范围，或者不同短中长周期的RSI曲线之间的关系构成的策略也有很多。

计算方式

RSI的计算方式很简单，它是根据N日收盘涨幅与涨跌幅度之间比率得到：N日RSI = (N日收盘涨幅) / (N日涨跌幅) * 100 或者通过简单平均值的方式进行表示（后面的代码实现就是基于下面的公式）：

通常情况下，N常常取值6、14，分别作为长短周期RSI曲线。

代码实现

python代码实现：

import numpy as np
import pandas as pd


def cal_RSI(close, periods):
    length = len(close)
    rsies = [np.nan] * length
    if length <= periods:
        return rsies


    up_avg = 0     # 平均上涨幅度
    down_avg = 0   # 平均下降幅度


    first_t = close[:periods + 1]
    for i in range(1, len(first_t)):
        if first_t[i] >= first_t[i - 1]:
            up_avg += first_t[i] - first_t[i - 1]
        else:
            down_avg += first_t[i - 1] - first_t[i]
    up_avg = up_avg / periods
    down_avg = down_avg / periods
    rs = up_avg / down_avg
    rsies[periods] = 100 - 100 / (1 + rs)


    for j in range(periods + 1, length):
        up = 0
        down = 0
        if close[j] >= close[j - 1]:
            up = close[j] - close[j - 1]
            down = 0
        else:
            up = 0
            down = close[j - 1] - close[j]
        up_avg = (up_avg * (periods - 1) + up) / periods
        down_avg = (down_avg * (periods - 1) + down) / periods
        rs = up_avg / down_avg
        rsies[j] = 100 - 100 / (1 + rs)
    return rsies


if __name__ == '__main__':
    df = pd.read_csv('./000001.csv')[:100]
    RSI = cal_RSI(df['Close'], 14)
    print(RSI)