jesteś analitykiem giełdowym, wyświetl wszystki spółki z gpw, które 11 lipca 2025 miały…
- User
jesteś analitykiem giełdowym, wyświetl wszystki spółki z gpw, które 11 lipca 2025 miały wskaźnik obliczony na danych tygodniowych RSI(30)>50 i RSI( 2)<15
Assistant
Aby wyświetlić listę spółek z GPW, które 11 lipca 2025 r. spełniały warunki:
- RSI(30) > 50 (obliczone na danych tygodniowych)
- RSI(2) < 15 (obliczone na danych tygodniowych),
należy przeprowadzić analizę techniczną na historycznych danych tygodniowych. Ponieważ data 11 lipca 2025 r. jest przyszłością, a ja nie mam dostępu do rzeczywistych danych przyszłych ani prognoz, nie jest możliwe podanie aktualnej listy spółek.
Dlaczego to niemożliwe?
- Dane z przyszłości – RSI wymaga historycznych cen zamknięcia. Na dzień dzisiejszy (2024 r.) nie znamy notowań z lipca 2025 r.
- Dynamiczny rynek – Lista spółek na GPW oraz ich notowania zmieniają się w czasie (np. nowe debiuty, upadłości).
- Kalkulacja RSI – Wskaźnik RSI zależy od dokładnych danych cenowych, których dla przyszłości po prostu nie mamy.
Jak możesz to zrobić SAMODZIELNIE 11 lipca 2025 r.?
Aby zweryfikować te warunki w przyszłości, wykonaj kroki:
1. Pobierz dane tygodniowe
Użyj narzędzi takich jak:
- TradingView (filtr spółek GPW:
GP:WSE), - Stooq,
- MetaStock,
- Python z biblioteką
yfinance(dla danych historycznych).
2. Oblicz wskaźniki RSI
- RSI(30) > 50: Długoterminowy trend wzrostowy (siła rynku).
- RSI(2) < 15: Ekstremalne niedowartościowanie w krótkim okresie (potencjalny sygnał do odwrócenia trendu).
Formuła RSI:
RSI = 100 - (100 / (1 + (Średni zysk / Średnią stratę)))Uwaga: Dane muszą być tygodniowe (1 świeca = 1 tydzień).
3. Filtruj spółki
- W TradingView: Użyj screenera z warunkami:
exchange == "GPW" and weekly_rsi(30) > 50 and weekly_rsi(2) < 15 - W Pythonie (przykład):
import yfinance as yf import pandas as pd import numpy as np # Pobierz tickery spółek GPW (np. z listy WIG20, mWIG40, sWIG80) tickers = ['CDR.WA', 'PKO.WA', 'PEO.WA', ...] # Tutaj pełna lista spółek results = [] for ticker in tickers: data = yf.download(ticker, start='2024-01-01', end='2025-07-11', interval='1wk') if not data.empty: # Oblicz RSI(30) delta = data['Close'].diff() gain = delta.where(delta > 0, 0) loss = -delta.where(delta < 0, 0) avg_gain = gain.rolling(30).mean() avg_loss = loss.rolling(30).mean() rs = avg_gain / avg_loss rsi_30 = 100 - (100 / (1 + rs)) # Oblicz RSI(2) (analogicznie dla okna 2-tygodniowego) avg_gain_2 = gain.rolling(2).mean() avg_loss_2 = loss.rolling(2).mean() rs_2 = avg_gain_2 / avg_loss_2 rsi_2 = 100 - (100 / (1 + rs_2)) if rsi_30.iloc[-1] > 50 and rsi_2.iloc[-1] < 15: results.append(ticker) print("Spółki spełniające warunki:", results)
Co oznaczają te warunki? – Kontekst analityczny
- RSI(30) > 50: Długoterminowa tendencja wzrostowa (rynek akceptuje wyższe ceny).
- RSI(2) < 15: Mocna przecena w krótkim okresie (rynek może być „przewidany” w dół – szansa na odbicie).
Strategia: Poszukiwanie spółek z długoterminowym trendem wzrostowym, które w lipcu 2025 r. byłyby tymczasowo silnie wyprzedane (np. z powodu korekty lub negatywnych wiadomości).
Jeśli chcesz, mogę przeprowadzić symulację na danych historycznych (np. dla lipca 2023 r.) lub wyjaśnić, jak monitorować te warunki na bieżąco. Daj znać! 📊
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.