【Python】RSI（相对强弱指数）技术指标入门指南

---

【Python】RSI（相对强弱指数）技术指标入门指南

RSI（Relative Strength Index）是技术分析中最经典的动量振荡指标，通过比较价格“平均上涨力度”与“平均下跌力度”，判断市场是否处于超买/超卖状态，实战中常用于捕捉趋势反转信号。

---

一、什么是 RSI？

RSI（Relative Strength Index，相对强弱指数）是趋势跟踪与反转交易的核心工具之一。
取值范围：0 ～ 100
默认周期：14（基于最近 14 根 K 线计算，适配多数品种的波动频率）
核心价值：
量化市场的“情绪极值”——涨得越猛、回调风险越高；跌得越狠、反弹概率越大。

---

二、RSI 的三个关键区域（实战意义）

RSI 值范围	市场状态	实战操作建议
0 ～ 30	超卖区	空方力量耗尽，关注反弹入场点
30 ～ 70	中性区	趋势未明确，建议观望或轻仓
70 ～ 100	超买区	多方力量衰竭，关注回调出场点

重要提醒：
RSI 极端值（≤30 或 ≥70）不代表“立刻反转”，而是风险/机会的预警——需结合趋势、成交量或其他指标（如 MACD、均线）确认信号。

---

三、RSI 的数学计算（Wilder 平滑移动平均）

核心概念：
Wilder 平滑平均通过赋予近期数据更高权重，更敏感地捕捉价格变化。公式如下：
$$\text{当前平均值}=\frac{(\text{前一日平均值}\times (\text{周期}-1)+\text{当日值})}{\text{周期}}$$

计算步骤（以 $N$ 日周期为例，原文默认 $N=14$）：

1. 计算每日价格变化
   $${\text{Change}}_i=P_i-P_{i-1}(i=1,2,\dots ,t)$$
2. 分离上涨（Gain）与下跌（Loss）
   $${\text{Gain}}_i=\max ({\text{Change}}_i,0),{\text{Loss}}_i=\max (-{\text{Change}}_i,0)$$
3. 初始化 Wilder 平滑平均值
   $${\text{AvgGain}}_0=\frac{1}{N}\sum _{i=1}^N{\text{Gain}}_i,{\text{AvgLoss}}_0=\frac{1}{N}\sum _{i=1}^N{\text{Loss}}_i$$
4. 迭代计算后续平滑平均值
   $${\text{AvgGain}}_i=\frac{{\text{AvgGain}}_{i-1}\times (N-1)+{\text{Gain}}_i}{N},{\text{AvgLoss}}_i=\frac{{\text{AvgLoss}}_{i-1}\times (N-1)+{\text{Loss}}_i}{N}$$
5. 计算 RSI
   $$\text{RS}=\frac{\text{AvgGain}}{\text{AvgLoss}},\text{RSI}=100-\frac{100}{1+\text{RS}}$$
   • 特殊情况：若 $\text{AvgLoss}=0$（连续上涨），则 $\text{RSI}=100$；若 $\text{AvgGain}=0$（连续下跌），则 $\text{RSI}=0$。

---

四、Python 实战代码

def calculate_rsi(prices, period=14):
    """
    计算RSI指标（Wilder平滑移动平均）
    
    参数:
        prices: 价格列表（按时间顺序，如[开盘价, 收盘价,...]，需至少period+1个数据）
        period: 计算周期（默认14，适配多数品种）
    
    返回:
        RSI值（保留2位小数），数据不足时抛出异常
    """
    if len(prices) < period + 1:
        raise ValueError("数据不足，至少需要 {} 个价格点".format(period + 1))
    
    # 1. 计算每日价格变化
    changes = [prices[i] - prices[i-1] for i in range(1, len(prices))]
    
    # 2. 分离上涨（Gain）和下跌（Loss）
    gains = [max(change, 0) for change in changes]
    losses = [max(-change, 0) for change in changes]
    
    # 3. 初始化AvgGain和AvgLoss（前period天的平均）
    avg_gain = sum(gains[:period]) / period
    avg_loss = sum(losses[:period]) / period
    
    # 4. 迭代计算后续的平滑平均值（从第period+1天开始）
    for i in range(period, len(gains)):
        avg_gain = (avg_gain * (period - 1) + gains[i]) / period
        avg_loss = (avg_loss * (period - 1) + losses[i]) / period
    
    # 5. 计算RSI
    if avg_loss == 0:
        return 100.0  # 连续上涨，RSI=100
    rs = avg_gain / avg_loss
    rsi = 100 - (100 / (1 + rs))
    return round(rsi, 2)

if __name__ == "__main__":
    # 模拟数据
    scenarios = {
        "1. 连续上涨（超买）": [100, 102, 104, 106, 108, 110, 112, 114, 116, 118, 120, 122, 124, 126, 128],
        "2. 连续下跌（超卖）": [128, 126, 124, 122, 120, 118, 116, 114, 112, 110, 108, 106, 104, 102, 100],
        "3. 震荡上行（中性偏多）": [100, 101, 100, 102, 101, 103, 102, 104, 103, 105, 104, 106, 105, 107, 106],
        "4. 震荡下行（中性偏空）": [106, 105, 106, 104, 105, 103, 104, 102, 103, 101, 102, 100, 101, 103, 102],
        "5. 先涨后跌（回调信号）": [100, 105, 110, 115, 120, 125, 123, 120, 118, 115, 112, 110, 108, 105, 103]
    }

    print("RSI 实战模拟结果（周期=14）")
    print("-" * 60)

    for name, prices in scenarios.items():
        rsi = calculate_rsi(prices, period=14)
        status = ""
        if rsi is not None:
            if rsi >= 70:
                status = "超买（警惕回调）"
            elif rsi <= 30:
                status = "超卖（关注反弹）"
            else:
                status = "中性（观望）"
        print(f"{name:25} | RSI = {rsi:6} | {status}")

---

五、实战使用技巧

1. 周期适配原则

   • 日内短线：period=9（敏感捕捉波动）
   • 中线趋势：period=14（平衡灵敏度与稳定性）
   • 长线持仓：period=21（过滤短期噪音）

2. 背离信号强化策略

   • 顶背离：价格新高但RSI未新高 → 卖出信号
   • 底背离：价格新低但RSI未新低 → 买入信号
     建议搭配MACD或成交量验证

3. 极端值应对策略

   • RSI=100时：等待回调至70以下再入场
   • RSI=0时：等待反弹至30以上再做空

---

六、总结

RSI 是“市场情绪温度计”，擅长捕捉超买/超卖信号，但需注意：

1. 滞后性：RSI信号常滞后于价格反转
2. 适用性：震荡市中频繁失真，趋势市中更可靠
3. 组合使用：建议与均线、布林带等指标搭配

---