使用Python计算相对强弱指数（RSI）进阶

使用Python计算相对强弱指数（RSI）进阶

废话不多说，直接上主题：=======>

代码实现

以下是实现RSI计算的完整代码：

 


    # 创建一个DataFrame
    data = {
        'DATE': date_list,  # 日期
        'CLOSE': close_px_list,  # 收盘价格 
    }

    df = pd.DataFrame(data)

import pandas as pd
import numpy as np

def get_signals(df):
    # 计算每日的价格变化
    df['changeValue'] = df['CLOSE'].diff()

    # 计算涨幅和跌幅
    df['gain'] = np.where(df['changeValue'] > 0, df['changeValue'], 0)
    df['loss'] = np.where(df['changeValue'] < 0, -df['changeValue'], 0)

    # 设置RSI的时间周期
    period = 6

    # 使用指数移动平均计算平均涨幅和平均跌幅
    df['avg_gain'] = df['gain'].ewm(alpha=1 / period, min_periods=period).mean()
    df['avg_loss'] = df['loss'].ewm(alpha=1 / period, min_periods=period).mean()

    # 避免零除问题，计算RS
    df['rs'] = df['avg_gain'] / df['avg_loss']

    # 计算RSI
    df['RSI' + str(period)] = 100 - (100 / (1 + df['rs']))
    df['RSI'] = df['RSI' + str(period)]

    # 显示计算结果
    print(df[['DATE', 'CLOSE', 'RSI' + str(period)]])

代码解析

1. 导入库：

• 使用 pandas 进行数据处理，使用 numpy 进行数值计算。

2. 计算每日价格变化：

• df['changeValue'] = df['CLOSE'].diff() 计算收盘价的每日变化。

3. 计算涨幅和跌幅：

• 使用 np.where 来分别计算每日的涨幅和跌幅，涨幅为正变化，跌幅为负变化的绝对值。

4. 设置RSI的时间周期：

• 这里设置周期为6天，可以根据需要进行调整。

5. 计算平均涨幅和平均跌幅：

• 使用指数移动平均（EMA）来计算平均涨幅和平均跌幅，以便更好地反映近期价格波动。

6. 计算RS和RSI：

• 计算相对强弱（RS），并进一步计算RSI。

7. 输出结果：

• 最后，打印包含日期、收盘价和RSI值的数据框。