Python实现Connors RSI(3,2,100)计算结果异常求助

核心错误点 #

• PercentRank计算对象错误：Connors RSI的第三个成分是连涨连跌天数（streak）的100期百分位排名，你错误地使用了单日收益率（one_day_return）来计算排名，完全偏离了指标定义。
• 百分位排名未缩放至0-100区间：你计算的percent_rank是0-1的小数，而前两个RSI值是0-100的整数，三者直接相加会导致结果严重偏低。

修正后的代码 #

1. 修正PercentRank计算逻辑 #

将计算对象替换为streaks_numpy（连涨连跌天数），并将结果缩放至0-100区间：

# 定义回溯周期
lookback = 100

# 计算连涨连跌天数的百分位排名（0-100）
def calculate_percent_rank(x):
    current = x[-1]
    # 统计小于当前值的数量 + 等于当前值数量的一半（标准百分位排名逻辑）
    count_less = np.sum(x < current)
    count_eq = np.sum(x == current)
    return (count_less + 0.5 * count_eq) / len(x) * 100

df['percent_rank'] = df['streaks_numpy'].rolling(window=lookback, min_periods=lookback).apply(
    calculate_percent_rank, raw=True
)

2. 重新计算Connors RSI #

现在三个成分都是0-100区间的值，直接按公式计算：

# 计算CRSI
df['CRSI'] = (df['rsi(3)'] + df['streak_rsi'] + df['percent_rank']) / 3

额外验证点 #

• 你之前实现的streaks_numpy逻辑正确：当收盘价相等时，streak重置为0，符合Connors RSI的定义。
• RSI函数中的min_periods = periods参数设置合理，前periods-1天返回NaN，符合指标初始值的计算逻辑。

内容的提问来源于stack exchange，提问作者Simon B