量化策略：如何用RSI²领先指标侦测趋势反转_the rsi虏 leading indicator. detecting trend exhaus-CSDN博客

本文链接：https://blog.csdn.net/weixin_42731853/article/details/112002847

本文介绍了如何通过优化RSI指标创建RSI²，用于提前侦测趋势反转。通过回溯检验，展示RSI²在超买/超卖区域的信号以及背离情况，适用于交易策略，并提供了多货币对的测试结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

相对强弱指数（RSI）是技术分析领域最流行的指标之一。在本文中，我们将优化RSI指标，创建一个帮助判断趋势反转的领先信号。接下来，我们基于此创新（称为RSI²）创建交易策略并进行回溯检验。

相对强弱指数

RSI是最著名的动能指标之一，它有很多优势，可以应用到不同的资产。RSI的取值范围限制在0到100，这使它更易于解释。

当更多的交易员和基金经理关注RSI，就会有更多的人根据RSI的信号做出反应，从而反过来影响市场价格。当然，我们无法证明这个想法，这仅仅是一种直觉性解释，技术分析的基础之一就是它是自我实现的。

威尔斯怀尔德于1978年提出了该指标，回溯期使用14，取值范围是0-100，通常将30和70视为超卖区间和超买区间。RSI一般有4种解读方式：

价格进入超卖/超买区域，意味着会发生短期修正。
指标与价格发生背离意味着趋势会反转。
在指标上绘制趋势线以找到反应水平。
穿越中位线50意味着当前趋势可能改变。

RSI的计算方法非常简单。首先计算收盘价的一阶差分，然后用正差的移动平滑除以负差的移动平滑，最后计算相对强度并转换为0到100的取值。

在这里插入图片描述

上图显示了EURUSD的RSI(14)。

以下代码显示了如何计算指数移动平均和RSI：

def ema(Data, alpha, lookback, what, where):  
      
    # alpha is the smoothing factor  
    # window is the lookback period  
    # what is the column that needs to have its average calculated  
    # where is where to put the exponential moving average  
      
    alpha = alpha / (lookback + 1.0)  
    beta  = 1 - alpha  
      
    # First value is a simple SMA  
    Data = ma(Data, lookback, what, where)  
      
    # Calculating first EMA  
    Data[lookback + 1, where] = (Data[lookback + 1, what] * alpha) + (Data[lookback, where] * beta)# Calculating the rest of EMA  
    for i in range(lookback + 2, len(Data)):  
            try:  
                Data[i, where] = (Data[i, what] * alpha) + (Data[i - 1, where] * beta)  
          
            except IndexError:  
                pass  
    return Datadef rsi(Data, rsi_lookback, what1, what2):  
      
    rsi_lookback = (rsi_lookback * 2) -