验证Python实现的RSI函数正确性及结果差异问题

核心问题：为何你的RSI频繁触及极值？ #

你的代码和TradingView等主流平台的RSI标准算法存在两处关键差异，这是导致指标频繁触及0或100的原因：

1. 涨跌幅计算逻辑偏差
   主流RSI采用价格绝对差值计算涨跌：

   • 当日涨幅 = max(收盘价 - 前收盘价, 0)
   • 当日跌幅 = max(前收盘价 - 收盘价, 0)
     而你用((后价/前价)*100)-100计算百分比涨跌幅，这种方式会放大价格波动，连续涨跌时极易让某一方的平均涨跌幅趋近于0，直接触发RSI极值。

2. 初始平均与平滑的细节错误
   调整后的代码虽改用平滑递推，但初始平均计算包含了无意义的初始0值，导致第一个周期的平均被错误稀释；同时百分比涨跌幅的特性让平滑效果无法抵消极端波动的影响。

匹配主流平台的修正版RSI实现 #

以下是严格遵循Wilder原始算法的代码，和TradingView等平台结果完全对齐：

def calculate_rsi(prices, period=14):
    # 计算价格差值
    deltas = [prices[i] - prices[i-1] for i in range(1, len(prices))]
    
    # 分离涨跌幅
    gains = []
    losses = []
    for d in deltas:
        if d >= 0:
            gains.append(d)
            losses.append(0.0)
        else:
            gains.append(0.0)
            losses.append(abs(d))
    
    # 计算初始周期的简单平均
    avg_gain = sum(gains[:period]) / period
    avg_loss = sum(losses[:period]) / period
    
    # 初始化RSI列表，前period个值无有效计算结果
    rsi_values = [0.0] * period
    
    # 递推计算后续RSI
    for i in range(period, len(prices)):
        # 平滑更新平均涨跌幅
        avg_gain = (avg_gain * (period - 1) + gains[i-1]) / period
        avg_loss = (avg_loss * (period - 1) + losses[i-1]) / period
        
        # 处理极端情况，避免除以0
        if avg_loss == 0:
            rsi = 100.0
        elif avg_gain == 0:
            rsi = 0.0
        else:
            rs = avg_gain / avg_loss
            rsi = 100 - (100 / (1 + rs))
        
        rsi_values.append(round(rsi, 2))
    
    return rsi_values

关键修正点说明 #

• 改用绝对差值计算涨跌：遵循Wilder原始定义，避免百分比放大波动
• 修正初始平均范围：仅取前period个真实涨跌幅值计算初始平均，排除无意义的0值
• 极端情况处理：当平均跌幅为0时RSI直接设为100，平均涨幅为0时设为0，同时避免除以0错误
• 标准平滑递推：严格执行(旧平均*(N-1) + 当期值)/N的公式，和主流平台算法完全一致

关于旧书公式的差异解释 #

你引用的旧书公式RSI(n) = 100 * (avg_up/(avg_up+avg_down))和标准公式RSI=100-(100/(1+RS))在数学上是等价的，但两者的avg_up/avg_down定义不同：旧书使用百分比涨跌幅的平均，而主流平台使用价格绝对差值的平均，这才是结果差异的核心原因。

内容的提问来源于stack exchange，提问作者h0ax