2024年最全Python 金融量化 RSI相对强弱指标，字节跳动算法工程师面试总结

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

• 6.RSI指标判断股票超买和超卖状态

• 7. RSI的“黄金交叉”与“死亡交叉”

• 8. 细节改进

1. 定义获取数据函数

==================================================================================

第一步，我们照常从tushare获取数

import tushare as ts

import pandas as pd

token = ‘Your token’ # 输入你的接口密匙，获取方式及相关权限见Tushare官网。这句话不能照抄！

pro = ts.pro_api(token)

def get_data(tscode):

df = pro.daily(ts_code=tscode)

df = df.loc[:, [‘trade_date’, ‘open’, ‘high’, ‘low’, ‘close’, ‘vol’]]

df.rename(

columns={

‘trade_date’: ‘Date’, ‘open’: ‘Open’,

‘high’: ‘High’, ‘low’: ‘Low’,

‘close’: ‘Close’, ‘vol’: ‘Volume’},

inplace=True) # 重定义列名，方便统一规范操作。

df[‘Date’] = pd.to_datetime(df[‘Date’]) # 转换日期列的格式，便于作图

df.set_index([‘Date’], inplace=True) # 将日期列作为行索引

df = df.sort_index() # 倒序以便作图

return df

2. RSI基本概述

=================================================================================

RSI即相对强弱指标(Relative Strength Index)，是在股票市场上用于衡量证券自身内在强度的指标，用于判断股票买方力量与卖方力量的强弱，进而预测价格走势。

计算公式如下：

R S I = 100 − 100 1 + R S \displaystyle RSI=100-\frac{100}{1+RS} RSI=100−1+RS100​ 或 R S I = 100 × R S 1 + R S \displaystyle RSI=100×\frac{RS}{1+RS} RSI=100×1+RSRS​

其中： R S = U P D O W N \displaystyle RS=\frac{UP}{DOWN} RS=DOWNUP​

故上述公式也即 R S I = 100 × U P U P + D O W N \displaystyle RSI=100×\frac{UP}{UP+DOWN} RSI=100×UP+DOWNUP​

• UP表示t期内股价上涨幅度的平均值

• DOWN表示t期内股价下跌幅度的平均值

• 该均值使用不同均值类型计算出的结果会有所差异。

• RSI接近于0的时候，UP≪Down

• RSI接近于100的时候UP≫Down

• RSI取值为50时UP=Down

总之

• RSI大于50越多，表明股票上涨的力量超过下跌的力量越大。

• RSI小于50越多，表明股票下跌的力量超过上涨的力量越大。

3. python编写Rsi函数

=======================================================================================

默认时间跨度设为6天

import pandas as pd

import numpy as np

def rsi(price, period=6):

clprcChange = price - price.shift(1)

clprcChange = clprcChange.dropna()

indexprc = clprcChange.index

upPrc = pd.Series(0, index=indexprc)

upPrc[clprcChange > 0] = clprcChange[clprcChange > 0]

downPrc = pd.Series(0, index=indexprc)

downPrc[clprcChange < 0] = -clprcChange[clprcChange < 0]

risdata = pd.concat([price, clprcChange, upPrc, downPrc], axis=1)

risdata.columns = [‘price’, ‘PrcChange’, ‘upPrc’, ‘downPrc’]

risdata = risdata.dropna()

SMUP = []

SMDOWN = []

for i in range(period, len(upPrc) + 1):

SMUP.append(np.mean(upPrc.values[(i - period): i], dtype=np.float32))

SMDOWN.append(np.mean(downPrc.values[(i - period): i], dtype=np.float32))

rsi = [100 * SMUP[i] / (SMUP[i] + SMDOWN[i]) for i in range(0, len(SMUP))]

indexRsi = indexprc[(period - 1):]

rsi = pd.Series(rsi, index=indexRsi)

return rsi

韦尔斯·威尔德(Wells Wilder)指出，通过运用月周期28天的一半来计算RSI的值进行预测是有效的，他推荐14日为时间跨度。

一些常用的看盘软件设有6日RSI，12日RSI，24日RSI三个RSI指标。

• 6日近似一周的时间周期

• 12日近似半个月的时间周期

• 24日近似一个月的时间周期

• 此外也有人用RSI1表示6日相对强度指标，RSI2日表示12日相对强度指标，RSI3表示24日相对强度指标。

4. python编写Rsi绘图函数

=========================================================================================

import matplotlib.pyplot as plt

传入rsi_x时要记着切片

def rsi_plot(rsi_x):

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

fig,ax = plt.subplots()

plt.xlim(rsi_x.index[0],rsi_x.index[-1])

plt.ylim(0,100)

plt.grid(True)

plt.xlabel(‘日期’)

plt.ylabel(‘rsi_values’)

fig.patch.set_facecolor(‘red’)

fig.patch.set_alpha(0.6)

ax.patch.set_facecolor(‘yellow’)

ax.patch.set_alpha(1)

plt.plot(rsi_x,color=‘r’)

plt.title(‘RSI指标图’)

5. 调用以上函数

如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！