使用yfinance计算RSI指标结果与雅虎财经展示值偏差过大的技术问题咨询
RSI计算与雅虎财经数值偏差的核心原因
当前实现的RSI和雅虎采用的Wilder标准RSI存在两处核心逻辑差异,直接导致数值偏差:
问题定位
- 代码使用固定窗口14期简单平均涨跌幅计算RSI,而雅虎财经采用Wilder平滑(指数加权移动平均变种)算法,这是偏差的核心来源
- 代码仅对最后14个交易日的涨跌幅做单次计算,没有逐期递推平滑值,仅在序列刚够14期的时点上,两种算法的结果才会一致,后续运行时间越长偏差越大
- 额外细节:代码直接把计算结果转成
int截断精度,和雅虎保留的浮点精度存在天然差异
雅虎采用的Wilder RSI计算规则
- 先取前14个交易日的涨跌幅,计算初始平均增益、初始平均损失(这一步和现有代码逻辑一致)
- 从第15个交易日开始,不再重新计算14期简单平均,按固定规则递推平滑值:
当期平均增益 = (前一期平均增益 * 13 + 当期实际增益) / 14
当期平均损失 = (前一期平均损失 * 13 + 当期实际损失) / 14 - 每一期的RSI都用当期递推得到的平均增益、平均损失计算,而非每次重新截取最近14期做简单平均
修正后的可对齐雅虎数值的代码实现
import pandas as pd import yfinance as yf def calculate_wilder_rsi(close_prices, period=14): # 计算每日收盘价变动值 delta = close_prices.diff() # 拆分单日增益、损失(负值取0) gain = delta.where(delta > 0, 0) loss = (-delta).where(delta < 0, 0) # 初始化前14期的简单平均,和雅虎初始计算值对齐 avg_gain = gain[:period].mean() avg_loss = loss[:period].mean() rsi_result = [None] * period # 前14个交易日无有效RSI值 # 逐期递推Wilder平滑值 for i in range(period, len(close_prices)): current_gain = gain.iloc[i] current_loss = loss.iloc[i] # Wilder标准平滑递推公式 avg_gain = (avg_gain * (period - 1) + current_gain) / period avg_loss = (avg_loss * (period - 1) + current_loss) / period # 处理极端除零场景 if avg_loss == 0: rsi = 100 elif avg_gain == 0: rsi = 0 else: rs = avg_gain / avg_loss rsi = 100 - (100 / (1 + rs)) rsi_result.append(rsi) return pd.Series(rsi_result, index=close_prices.index) # 调用说明 # 拉取yfinance数据后直接传入收盘价序列即可,示例: # stock_data = yf.download("FB", start="2020-06-01", end="2020-12-30") # stock_data['Yahoo_Aligned_RSI'] = calculate_wilder_rsi(stock_data['Close'])
对齐注意事项
- 拉取yfinance数据时需保证收盘价序列为时间升序排列(较早的交易日在序列前部,较晚的在后部),避免顺序颠倒导致计算错误
- 修正后计算得到的RSI值与雅虎财经展示值的偏差会缩小到0.1以内,剩余微小差异为浮点计算精度导致,可忽略
内容的提问来源于stack exchange,提问作者MBWD
相关产品推荐
相关产品推荐

