当前位置: 首页 > news >正文

随机RSI震荡指标公式(StochRSI),RSI和KDJ二合一

随机RSI震荡指标(StochRSI)是由图莎尔·钱德和斯坦利·克罗发明的一种摆动指标,结合了相对强弱指标(RSI)和随机指标(KDJ)的原理,目的是提高灵敏度,解决RSI难以达到超买超卖区的问题,以便生成更多超买超卖信号。StochRSI指标的取值范围为0到100,与RSI和KD指标类似。一般来说,当Stoch RSI指标低于20时,表示市场处于超卖区域,可能会出现反弹;当Stoch RSI指标高于80时,表示市场处于超买区域,可能会出现回调。

一、相对强弱指标RSI

相对强弱指标(Relative Strength Index,简称RSI)是一种用于衡量价格走势的摆动指标,用于判断市场的超买和超卖情况,由威尔斯·威尔德于1978年发明。

RSI指标的计算基于一定周期内的价格变动情况。通常情况下,RSI指标的计算周期为14个交易日。计算公式如下:

RSI = 100 - (100 / (1 + RS))

其中,RS表示相对强度(Relative Strength),计算公式为:

RS = N日上涨总幅度的平均值/N日下跌总幅度的平均值

RSI指标公式:

N:=14;

LC:=REF(CLOSE,1);

RSI:SMA(MAX(CLOSE-LC,0),N,1)/SMA(ABS(CLOSE-LC),N,1)*100;

 

二、随机指标KDJ

随机指标KDJ指标也是摆动指标,用来判断超买超卖情况,由乔治·莱恩于1950年代发明。

KDJ指标由三条线组成:K线、D线和J线,本文公式只需要用到K线和D线。

K线是快速随机指标,计算方法如下:

K = 100 * (C - LL) / (HH - LL)

其中,C是最新收盘价,LL是最近N个交易日的最低价,HH是最近N个交易日的最高价。

D线是K线的均线,对K线进行了平滑,计算方法如下:

D = MA(K, M)

KD指标公式:

RSV:=(CLOSE-LLV(LOW,N))/(HHV(HIGH,N)-LLV(LOW,N))*100;

K:SMA(RSV,M1,1);

D:SMA(K,M2,1);

 

三、随机RSI震荡指标StochRSI

StochRSI的计算方法,就是把上面RSV中的收盘价CLOSE、最低价LOW和最高价HIGH都换成RSI。

这样就得到随机RSI震荡指标StochRSI指标公式:

N:=14;

M:=3;

LC:=REF(CLOSE,1);

RSI:=SMA(MAX(CLOSE-LC,0),N,1)/SMA(ABS(CLOSE-LC),N,1)*100;

STOCHRSI:=(RSI-LLV(RSI,N))/(HHV(RSI,N)-LLV(RSI,N))*100;

KR:SMA(STOCHRSI,M,1);

DR:SMA(KR,M,1);

使用方法和其他摆动指标类似,比如超买超卖、快线慢线金叉死叉、背离等。缺点也差不多,比如假信号、高位低位钝化等。

关注技术Pie,学习更多通达信指标公式编写知识。版权所有,转载请注明出处。

友情提醒:本文仅供学习交流技术指标公式,不构成任何投资建议。投资有风险,入市需谨慎。

http://www.lryc.cn/news/108623.html

相关文章:

  • 轻松搭建酒店小程序
  • 算法通过村——Hash和队列问题解析
  • 租赁类小程序定制开发|租赁管理系统源码|免押租赁系统开发
  • 后端进阶之路——浅谈Spring Security用户、角色、权限和访问规则(三)
  • Mac 安装不在 Apple 商店授权的应用程序
  • 【MyBatis】MyBatis把空字符串转换成0的问题处理方案(96)
  • OpenLayers实战,OpenLayers获取移动端精确定位,OpenLayers适配App混合H5方式调用手机定位位置并定位到指定点
  • Go指针取址问题:循环后每次都拿到相同内容
  • 用Rust实现23种设计模式之简单工厂
  • SpringBoot + minio实现分片上传、秒传、续传
  • logback 里面设置 自动删除3天之前的日志
  • 对于数据库查询索引和查字典索引的理解
  • git删除已经提交的大文件
  • 【数据分析】pandas 一
  • 题解 | #G.Gcd# 2023牛客暑期多校6
  • 苍穹外卖day10——订单状态定时处理(Spring Task)、来单提醒和客户催单(WebSocket)
  • 【多线程初阶】多线程案例之单例模式
  • 跨境选品怎么选?建议独立站卖家收下这份利基产品查找攻略!
  • [C++项目] Boost文档 站内搜索引擎(1): 项目背景介绍、相关技术栈、相关概念介绍...
  • opencv-32 图像平滑处理-高斯滤波cv2.GaussianBlur()
  • Windows 环境Kubernetes安装
  • 自建类ChatGPT服务:本地化部署与远程访问教程
  • 常用SQL语句总结
  • arm交叉编译lmbench
  • ExtJs 7.7.0 下载方法与去除trial水印
  • Android11开发规划
  • 活动隔断在现在酒店运用的方式
  • Jenkins工具系列 —— 插件 钉钉发送消息
  • LeetCode 26 题:删除有序数组的重复项
  • 优雅地切换node版本(windows)