Python中如何实现与TradingView一致的跨周期RSI计算

核心错误点定位 #

• 计算基准完全不符合原生RSI规则：TradingView默认RSI的变动值计算统一采用相邻K线的收盘价差值，规则为当期变动 = 当期收盘价 - 上期收盘价，向上变动值取max(当期变动, 0)，向下变动值取abs(min(当期变动, 0))。你当前代码根据全局变量l_a切换high/low价格作为计算基准，涨跌幅计算分别取高价、低价序列，分子分母数据源不统一，直接导致数值偏差和涨跌序列错位。
• 硬编码索引步长和起点导致样本取错：递归终止分支中硬编码索引起点i=8、遍历步长i+=8无逻辑依据。跨周期计算时，大小周期的K线对应数量是动态值（如1小时K线对应12根5分钟K线、8根30分钟K线），固定写死步长和起点会直接取错参与初始均值计算的K线样本，初始简单平均值错误后，后续Wilder平滑结果会持续偏移。
• 递归步进逻辑错位：递推平滑均值时索引进位固定为m+1，未按小周期K线的实际索引步进，会导致参与平滑计算的变动值顺序错乱，进一步放大误差。
• 全局变量引入不确定风险：RSI计算逻辑依赖全局变量l_a切换计算规则，一旦全局变量在计算过程中被修改，同一时间点的RSI计算逻辑会不一致，直接出现涨跌序列和TradingView反向的问题。

修正步骤 #

1. 先对齐单周期RSI计算逻辑，再做跨周期适配
   先完成同周期RSI的逻辑对齐，保证和TradingView同周期结果误差在0.1%以内，再叠加跨周期逻辑。标准Wilder平滑RSI核心实现参考：

   def standard_rsi(close_prices: list[float], period: int) -> list[float]:
       # 计算相邻K线收盘价变动
       changes = [close_prices[i] - close_prices[i-1] for i in range(1, len(close_prices))]
       # 前period个变动值计算初始简单平均
       init_up = [max(c, 0) for c in changes[:period]]
       init_down = [abs(min(c, 0)) for c in changes[:period]]
       avg_up = sum(init_up) / period
       avg_down = sum(init_down) / period
   
       rsi_result = [None] * (period + 1)
       # 后续按Wilder平滑公式递推
       for i in range(period, len(changes)):
           curr_change = changes[i]
           curr_up = max(curr_change, 0)
           curr_down = abs(min(curr_change, 0))
           # Wilder平滑公式
           avg_up = (avg_up * (period - 1) + curr_up) / period
           avg_down = (avg_down * (period - 1) + curr_down) / period
   
           if avg_down == 0:
               curr_rsi = 100.0
           elif avg_up == 0:
               curr_rsi = 0.0
           else:
               rs = avg_up / avg_down
               curr_rsi = 100 - 100 / (1 + rs)
           rsi_result.append(curr_rsi)
       return rsi_result
   

2. 修正跨周期适配逻辑
   • 删除所有硬编码的索引步长、起点值，根据加载的大小周期时间粒度动态计算K线对应比例：比如大周期为4小时、小周期为30分钟时，每根大周期K线对应8根小周期K线，比例值随周期选择动态计算。
   • 计算大周期某根K线对应的小周期RSI时，截取截止到该大周期K线收盘时间点的全部小周期K线收盘价序列，传入标准RSI函数计算，删除所有和高低价、买卖方向相关的分支判断——RSI本身是基于收盘价的动量指标，不需要结合高低点或交易信号调整计算规则。
   • 逐根校验小周期K线的时间戳、收盘价和TradingView完全一致，K线缺失、时间戳偏移会直接导致计算结果偏差。

你之前复刻MACD、布林带能够得到可接受的结果，核心原因是这两个指标的计算中使用了正确的价格序列，而RSI实现中额外加入了高低点切换、硬编码步长的自定义逻辑，才导致结果大幅偏离。

内容的提问来源于stack exchange，提问作者Aboji