Skip to content
TheChatArchiveThe Chat Archive
gpt-3.5-turbo-0301· OpenAIAi2 WildChat-4.8M (AI2)

rSI 技术指标和成交量融合成新的技术指标

  1. User

    rSI 技术指标和成交量融合成新的技术指标

  2. Assistant

    RSI指标和成交量指标都是市场分析中常用的技术指标,它们分别从不同的角度反映市场的走势和趋势。通过将RSI指标和成交量指标融合,可以更全面地分析市场走势和趋势,提高对市场的判断和预测能力。

    一种常见的RSI和成交量融合指标是vRSI,即成交量相对强弱指标。它将RSI指标和成交量指标结合起来,既考虑了价格的趋势,也考虑了成交量的波动。vRSI指标的计算方法是,将每日的成交量与前N个交易日的成交量相比较,根据成交量的相对强弱对RSI指标进行调整,进而对市场走势进行分析。

    vRSI指标比单独使用RSI或成交量指标更准确地反映市场的走势和趋势,能够更好地帮助投资者制定交易策略和进行风险控制。但需要注意的是,不同的市场和交易品种对vRSI指标的反应可能不同,需要根据具体情况进行分析和判断。

  3. User

    写出技术指标代码

  4. Assistant

    下面是在Python编程语言中常用的几种技术指标代码:

    1. 移动平均线(Moving Average, MA)

    import pandas as pd def moving_average(close_prices, period): ma = pd.Series(close_prices).rolling(period).mean() return ma.tolist()

    1. 相对强弱指标(Relative Strength Index, RSI)

    def rsi(close_prices, period = 14): d = pd.Series(close_prices).diff() gain = d.where(d > 0, 0) loss = -d.where(d < 0, 0) avg_gain = gain.rolling(window=period).mean() avg_loss = loss.rolling(window=period).mean() rs = avg_gain / avg_loss rsi = 100 - (100 / (1 + rs)) return rsi.tolist()

    1. 随机指标(Stochastic Oscillator, SO)

    def stochastic_oscillator(high_prices, low_prices, close_prices, k_period = 14, d_period = 3): high_prices = pd.Series(high_prices) low_prices = pd.Series(low_prices) close_prices = pd.Series(close_prices) max_high = high_prices.rolling(k_period).max() min_low = low_prices.rolling(k_period).min() k_perc = (close_prices - min_low) / (max_high - min_low) * 100 d_perc = k_perc.rolling(d_period).mean() return k_perc.tolist(), d_perc.tolist()

    1. 布林带(Bollinger Band, BB)

    def bollinger_bands(close_prices, period = 20, std_dev = 2): ma = pd.Series(close_prices).rolling(period).mean() std = pd.Series(close_prices).rolling(period).std() upper_band = ma + std_dev * std lower_band = ma - std_dev * std return ma.tolist(), upper_band.tolist(), lower_band.tolist()

  5. User

    把这些指标融合成一个新的技术指标,并可以直接在同花顺中运行

  6. Assistant

    在同花顺中可以使用同花顺自带的公式编辑器,将多个技术指标融合成一个新的指标。

    例如,可以将上述提到的vRSI指标作为融合指标。下面是vRSI指标在同花顺公式编辑器中的代码实现:

    // 计算vRSI指标 vrsi = MA(((CLOSE-REF(CLOSE,N))/REF(CLOSE,N)*100+50)*AVGVOL(N), M)/(MA(AVGVOL(N),M));

    其中,CLOSE表示收盘价,REF表示前N个周期的价格,AVGVOL表示平均成交量,MA表示简单移动平均线,M表示周期数。

    在同花顺中运行该指标时,需要在自定义指标中输入该代码,并设置好相应的参数,如周期数、前N个周期等。该指标可以应用于同花顺的各种交易页面、自定义分析等模块中,方便用户实时查看市场走势和预测趋势,并进行交易决策。

  7. User

    你来融合

  8. Assistant

    好的,我来为你融合一下RSI指标和移动平均线指标,生成一个新的技术指标。这个指标的计算方法是,在RSI指标的基础上,再基于RSI指标的变动情况计算出其对应的移动平均线值,即MA(RSI)。

    下面是在Python中实现该指标的代码:

    import pandas as pd

    def rsi_ma(close_prices, period = 14, ma_period = 9): d = pd.Series(close_prices).diff() gain = d.where(d > 0, 0) loss = -d.where(d < 0, 0) avg_gain = gain.rolling(window=period).mean() avg_loss = loss.rolling(window=period).mean() rs = avg_gain / avg_loss rsi = 100 - (100 / (1 + rs)) ma_rsi = rsi.rolling(ma_period).mean() return ma_rsi.tolist()

    上述代码中,我们先定义了一个rsi_ma函数,该函数接收close_prices序列作为输入,同时可以自定义rsi和移动平均线的周期。通过diff函数计算价格的变化量d,再根据d计算出一段周期内的均涨和均跌值avg_gain和avg_loss,进而计算出相对强度rs和rsi指标。最后,我们将rsi指标作为移动平均线序列的输入,计算出其对应的移动平均线值ma_rsi,并返回该序列。

    在同花顺中使用该指标时,简单把上述代码转化为同花顺公式,在自定义指标中输入该公式并设置参数,即可生成MA(RSI)指标。

  9. User

    转换成同花顺软件也能使用

  10. Assistant

    好的,我来帮你把上面的RSI和移动平均线指标融合成一个新的指标,并将代码转换成同花顺软件可以使用的公式。

    在同花顺中,我们可以使用其自带的公式编辑器来融合这些指标。下面是将RSI和移动平均线融合的公式代码:

    // 计算RSI和移动平均线指标 RSI14:=RSI(CLOSE,14); MA9:=MA(RSI14,9); RSIMA:MA9;

    上述代码中,我们首先用RSI函数计算出RSI指标的值,然后将其作为MA函数中的输入,计算出RSI指标的移动平均线MA(RSI)。最后,我们将MA(RSI)输出作为新的指标值,命名为RSIMA。

    在使用时,我们可以在自定义指标中输入该公式,并根据需要调整RSI和MA函数的参数,即可得到相应的RSIMA指标值。