我试图用大熊猫计算相对强弱指数(RSI),似乎无法正确适应here提供的解决方案。为什么不返回RSI系列?
import pandas_datareader.data as web
import datetime
start = datetime.datetime(2018, 2, 8)
end = datetime.datetime(2019, 2, 8)
stock = 'TNA'
price = web.DataReader(stock,'yahoo', start, end)
n = 14
def RSI(series):
delta = series.diff()
u = delta * 0
d = u.copy()
i_pos = delta > 0
i_neg = delta < 0
u[i_pos] = delta[i_pos]
d[i_neg] = delta[i_neg]
rs = moments.ewma(u, span=27) / moments.ewma(d, span=27)
return 100 - 100 / (1 + rs)
print(rsi(price, n))
这是一个黑暗中的镜头,因为你没有提供太多的背景。
0.23.0不再支持pandas.stats.moment.ewma
。现在使用pd.Series.ewm
实现了指数称重的窗口。这将返回exponentially-weighted-windows object窗口对象,如果不为滚动窗口提供方法,则不能在任何类型的方程中使用该窗口对象。以下是可用方法的列表:
rs.agg rs.apply rs.count rs.exclusions rs.max rs.median rs.name rs.skew r.sum
rs.aggregate rs.corr rs.cov rs.kurt rs.mean rs.min rs.quantile rs.std rs.var
我假设您从here复制了上面的函数,它甚至没有回答OP。如果你想用price.Close
系列n
进行分析,并计算每个指数加权窗口的mean
:
import pandas_datareader.data as web
import datetime
import pandas as pd
ewma = pd.Series.ewm
start = datetime.datetime(2018, 2, 8)
end = datetime.datetime(2019, 2, 8)
stock = 'TNA'
price = web.DataReader(stock,'yahoo', start, end)
n = 14
def RSI(series,n):
delta = series.diff()
u = delta * 0
d = u.copy()
i_pos = delta > 0
i_neg = delta < 0
u[i_pos] = delta[i_pos]
d[i_neg] = delta[i_neg]
rs = ewma(u, span=n).mean() / ewma(d, span=n).mean()
return 100 - 100 / (1 + rs)
print(RSI(price.Close,n))