df['Date'] = pd.to_datetime(df['Date']) # 转换日期列的格式，便于作图
df.set_index(['Date'], inplace=True) # 将日期列作为行索引
df = df.sort_index() # 倒序以便作图
return df
df = get_data('000001.SZ')
[](()4. 计算RSV
===============================================================================
若以9日为时间跨度：
import numpy as np
import matplotlib.pyplot as plt
close = df.Close
high = df.High
low = df.Low
获取日期数据
date = close.index.to_series()
ndate = len(date)
定义初始变量最高价High，取值均为0
periodHigh = pd.Series(np.zeros(ndate-8),index=date.index[8:])
定义初始变量最低价为Low，取值均为0
periodLow = pd.Series(np.zeros(ndate-8),index=date.index[8:])
定义初始变量RSV，取值均为0
RSV = pd.Series(np.zeros(ndate-8), index=date.index[8:])
计算9日未成熟随机指标RSV的值
for j in range(8,ndate):
period = date[j-8:j+1]
i = date[j]
periodHigh[i] = high[period].max()
periodLow[i] = low[period].min()
RSV[i] = 100 * (close[i]-periodLow[i])/(periodHigh[i]-periodLow[i])
periodHigh.name = 'periodHigh'
periodLow.name = 'periodLow'
RSV.name = 'RSV'
写到这里，查看一下生成的数据：
对RSV作简要描述性分析
RSV.describe()
然后，我们绘制平安银行2020年数据的收盘价曲线图和RSV曲线图
提取数据
C_RSV=pd.DataFrame([close['2020'],RSV['2020']]).transpose()
绘图
plt.rcParams['font.sans-serif'] = ['SimHei']
C_RSV.plot(subplots=True, title='未成熟随机指标RSV')
RSV的取值在0~100之间，且波动范围较大。且有很多时候RSV取值接近或等于0或者100。
接下来，再绘制其K线图进一步对照：
import mplfinance as mpf
s = mpf.make_mpf_style(base_mpf_style='blueskies', rc={'font.family': 'SimHei'})
add_plot=[mpf.make_addplot(RSV['2020'])]
mpf.plot(df['2020'],type='candle', style=s, title='平安银行2020年K线图及未成熟随机指标RSV', addplot=add_plot,volume=True)
图像效果如下：
分析图像可知，处于上涨行情时，蜡烛图的上影线较短或者没有上影线，在部分交易日中收盘价接近或等于最高价。
由RSV计算公式和n=9可推知，若收盘价等于9日最高价，RSV取值则为100。
在下跌行情时，蜡烛图的下影线较短或者几乎没有，收盘价很有可能等于9日最低价，当收盘价接近或等于等于9日最低价的时候，RSV取值接近或为0。
当市场处于连续上涨行期的时候，未成熟随机指标RSV取值也逐渐增大，并且可能在较多日期中取值为100；当市场处于连续下跌行期的时候，RSV取值可能在较多行期中取值为0。
当RSV连续多期取值为0或100的时候，RSV则会出现所谓“钝化”的现象。
例如当收盘价在上涨行情高位变化的时候，RSV一段时间的取值均为100，不随收盘价的变化而波动，则失去了捕捉收盘价变化的作用。
需要注意的是，RSV的波动幅度较大，也可能会造成“假信号”。一种可能的情况是，在上涨行期中收盘价上涨幅度稍微增大，则可能造成RSV取值过大，进而释放出“超买”行期的假信号。
为了解决RSV波动幅度较大的问题，我们引入K指标。它是对RSV值进行平滑得到的结果。
[](()5. 计算K、D指标值
==================================================================================
[](()5.1 K值、D值指标概述
K值由前一日的K值和当期RSV值经过一定权重调整后相加得到，一般来说，K值的计算为：
K 值 = 2 3 × 前 一 日 K 值 + 1 3 × 当 日 R S V \displaystyle K值=\frac{2}{3}×前一日K值+\frac{1}{3}×当日RSV K值\=32?×前一日K值+31?×当日RSV
即 K t = 2 3 × K t ? 1 + 1 3 × R S V t \displaystyle K_t=\frac{2}{3}×K_{t-1}+\frac{1}{3}×RSV_t Kt?\=32?×Kt?1?+31?×RSVt?
D值是由前一日的D值和当期K值经过一定权重相加而得到。一般来说，D值的计算为：
D 值 = 2 3 × 前 一 日 D 值 + 1 3 × 当 日 K 值 \displaystyle D值=\frac{2}{3}×前一日D值+\frac{1}{3}×当日K值 D值\=32?×前一日D值+31?×当日K值
即 D t = 2 3 × D t ? 1 + 1 3 × K t \displaystyle D_t=\frac{2}{3}×D_{t-1}+\frac{1}{3}×K_t Dt?\=32?×Dt?1?+31?×Kt?
此外，在计算第一期K和D值时，如果没有指定，则K值和D值都默认取值为50。在K值和D值的求解过程中，平滑权重2/3和1/3是较为常用的权重，这两个权重也可以根据股价走势的特点进行适当修改。
（通过递归和迭代，我们可以发现K值是由未成熟随机指标RSV通过指数移动平均而得到的。D值是K值的指数移动平均数。）
[](()5.2 计算代码
计算K值
KValue = pd.Series(0.0, index=RSV.index)
KValue[0] = 50
for i in range(1,len(RSV)):
KValue[i] = 2/3*KValue[i-1] + RSV[i]/3
KValue.name = 'KValue'
接着计算D值
DValue = pd.Series(0.0, index=RSV.index)
DValue[0] = 50
for i in range(1, len(RSV)):
DValue[i] = 2/3*DValue[i-1] + KValue[i]/3
DValue.name = 'DValue'
KValue = KValue[1:]
DValue = DValue[1:]
然后，绘制曲线图
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.subplot(211)
plt.title('2020年平安银行收盘价')
plt.plot(close['2020'])
plt.subplot(212)
plt.title('2020年平安银行RSV与KD线')
plt.plot(RSV['2020'])
plt.plot(KValue['2020'],linestyle='dashed')
plt.plot(DValue['2020'],linestyle='-.')
图像效果如下：
如图可以看出RSV曲线波动最大，K线在RSV基础上进行适当平滑，而D线波动幅度最小。收盘曲线上涨时，RSV曲线、KD线也呈上涨趋势；当收盘价在高位段上涨时，RSV曲线，K值，D值取值也较高，并在较高位处波动。
[](()6.计算J值
============================================================================
J指标是KD指标的辅助指标，进一步反映了K指标与D指标的乖离程度。第t日J值的计算公式为：
J t = 3 × K t ? 2 × D t \displaystyle J_t=3×K_t-2×D_t Jt?\=3×Kt??2×Dt?
计算J值
JValue = 3KValue - 2DValue
JValue.name='JValue'
[](()7.绘制KDJ线
==============================================================================
plt.rcParams['font.sans-serif'] = ['SimHei']
【文章转自中东服务器 http://www.558idc.com/dibai.html欢迎留下您的宝贵建议】