随机相对强弱指标

业务意义

STOCHRSI 是 RSI 的随机振荡器版本,通过将 RSI 值在特定时间窗口内进行标准化,提供更敏感的超买超卖信号,特别适合在震荡市中识别短期反转点。

核心使用场景

1. 震荡市中的超买超卖识别

  • 极度超买:STOCHRSI > 0.8,考虑卖出

  • 超买:STOCHRSI > 0.7,警惕回调

  • 极度超卖:STOCHRSI < 0.2,考虑买入

  • 超卖:STOCHRSI < 0.3,关注反弹

2. 金叉死叉信号

  • STOCHRSI_k 上穿 STOCHRSI_d:看涨信号

STOCHRSI_k[-2] <= STOCHRSI_d[-2] && STOCHRSI_k[-1] > STOCHRSI_d[-1]

  • STOCHRSI_k 下穿 STOCHRSI_d:看跌信号

STOCHRSI_k[-2] >= STOCHRSI_d[-2] && STOCHRSI_k[-1] < STOCHRSI_d[-1]

3. 背离分析(高胜率信号)

  • 价格创新高,STOCHRSI 降低:顶背离,卖出信号

  • 价格创新低,STOCHRSI 抬高:底背离,买入信号

使用要点总结

1. 最佳应用场景:

  • 震荡市中的区间交易

  • 趋势市中的回调买入 / 反弹卖出时机

  • 寻找短期反转点

2. 参数设置原则:

  • 震荡市:缩短周期,提高灵敏度

  • 趋势市:延长周期,减少虚假信号

  • 高波动:收紧超买超卖阈值

3. 信号可靠性排序:

  • 背离信号 > 超买超卖 > 金叉死叉

  • 有趋势确认 > 无趋势确认

  • 有成交量配合 > 无成交量配合

4. 风险控制要点:

  • 在趋势明显的市场中谨慎使用超买超卖信号

  • 结合价格位置和支撑阻力位确认信号

  • 设置基于波动率的动态止损

STOCHRSI 通过将 RSI 标准化,提供了比原始 RSI 更敏感、更清晰的超买超卖信号,特别适合在震荡市中寻找精确的买卖时机。

计算公式

第一步:计算 RSI (n1 缺省为 14)

涨幅 = 收盘 - 收盘 [-1]

涨幅 sma=max(涨幅,0)/n1+(1-1/n1)* 涨幅 sma[-1]

涨跌幅 sma=abs(涨幅) /n1+(1-1/n1)* 涨跌幅 sma[-1]

RSI= 涨幅 sma / 涨跌幅 sma*100

第二步:计算随机 RSI (n2 缺省为 3,n3 缺省为 3)

STOCHRSI = (RSI-RSI[1-n1:0].min())/(RSI[1-n1:0].max()-RSI[1-n1:0].min())

STOCHRSI_k= STOCHRSI[1-n2:0].avg()

STOCHRSI_d= STOCHRSI_k[1-n3:0].avg()

实现代码

指标参数:

y1

STOCHRSI 输出列名

y2

STOCHRSI_k 输出列名

y3

STOCHRSI_d 输出列名

n1

RSI 周期,缺省 14

n2

K 周期,缺省 3

n3

D 周期,缺省 3

函数代码:


A

B

1

func SRSI (A,$y1, $y2, $y3,n1,n2,n3)

=A.derive@o(收盘 - 收盘 [-1]: 涨幅, : 涨幅 sma,: 涨跌幅 sma,:RSI)

2


=A.run(max(涨幅,0)/n1+(1-1/n1)* 涨幅 sma[-1]: 涨幅 sma,

abs(涨幅 )/n1+(1-1/n1)* 涨跌幅 sma[-1]: 涨跌幅 sma,

涨幅 sma/ 涨跌幅 sma*100:RSI,

(RSI-RSI[1-n1:0].min())/(RSI[1-n1:0].max()-RSI[1-n1:0].min()):${y1},

${y1}[1-n2:0].avg():${y2},

${y2}[1-n3:0].avg():${y3})

3


=A.alter(;涨幅, 涨幅 sma, 涨跌幅 sma,RSI)

举例:

调用脚本计算浦发银行 2024 年的随机强弱指标


A


1

/计算出源数据

2

=A1.derive(:SRSI,:SRSI_k,:SRSI_d)

/增加要返回的指标字段

3

=SRSI(A2,SRSI,SRSI_k,SRSI_d,14,3,3)

/调用函数计算指标

运行效果:

..