一、背景
前些日子,有朋友在交流股票RSI用DAX处理的问题,由于RSI股票软件的算法几乎都是需要用到股票从上市第一天开始的所有数据。当期RSI的大小影响因素【close】随着时间往前推,时间越早影响因素会越小(后面会通过公式推导验证该结论),所以往往在计算RSI的时候也不会取从上市到当期的所有数据,对结果不造成绝对的影响。
先看下结果啥样子(其实就是股票软件的样子)
需要说明的是,笔者并非股票行业从业者,本案例目的是分享DAX如何处理RSI,我们不研究RSI如何用。
二、数据源&计算逻辑
1、数据源
2、RSI计算公式
参考(维基百科,如果打不开你懂得):
变形得到(笔者自定义变形,能看懂就好,其中up表示上涨,down表示下跌,ABS表示求绝对值,all表示上涨和下跌)
3、计算逻辑
LC表示昨日【close】
数据源中【diff】=close-LC
如下对6天的EMA做分解计算,
1、Y表示当期EMA结果,
2、在EMA(up)中X=MAX(close-LC,0),
3、在EMA(down)中X=ABS(MIN(close-LC,0)),
4、在EMA(all)中X=ABS(close-LC,0)。
temp
其中X的角标和temp表中的【INDEX】相对应的。
要想计算EMA结果,就需要递归,但在DAX中目前笔者还没有找到办法来处理递归的问题。
于是我们加以思考
提一个1/6出来后得到
发现规律了吗?
最终推导得到k天指数平均6天的EMA
说明
这里补充文章最开始说的结论,不难看出,随着k的增加,时间越早值越小,我们带入k=30, =0.00421,和 5/6比起已经可以忽略不计了。所以“当期RSI的大小影响因素【close】随着时间往前推,时间越早影响因素会越小(后面会通过公式推导验证该结论),所以往往在计算RSI的时候也不会取从上市到当期的所有数据,对结果不造成绝对的影响。”
同时我们可以推导得出 k 天中 n 天指数平均EMA值
EMA的值可以通过X的迭代得到了,迭代在DAX中就好处理了。
三、上DAX
1、上面的temp表,中间过程便于观察,实际应用中不需要。
2、RSI6,其中N=12,N=24即可求得RSI12、RS24。
RSI6 =
VAR N = 6
VAR BN = ( N - 1 ) / N
VAR DATE_SELECT = MAX ( 'data'[date] )
VAR T1 = ADDCOLUMNS (
ALL ( data ),
"INDEX",
VAR DATEAC1 = data[date]
VAR TP =FILTER ( ALL ( data ), data[date] < DATEAC1 )
RETURN
COUNTROWS ( TP )
)
VAR T2 =ADDCOLUMNS (
T1,
"diff",
VAR I = [INDEX] - 1
VAR PRE =CALCULATE ( SUM ( data[close] ), FILTER ( T1, [INDEX] = I ) )
RETURN IF ( PRE = BLANK (), BLANK (), data[close] - PRE )
)
VAR T3 =FILTER ( T2, [date] <= DATE_SELECT )
VAR K =COUNTROWS ( T3 ) - 1
VAR T4 =ADDCOLUMNS (
T3,
"UP",
VAR X = [diff]
VAR K1 = [INDEX]
RETURN
IF ( X > 0 || X = BLANK (), POWER ( BN, K - K1 ) * X, BLANK () ),
"ALL",
VAR X = [diff]
VAR K1 = [INDEX]
RETURN
IF ( X = BLANK (), BLANK (), POWER ( BN, K - K1 ) * ABS ( X ) )
)
RETURN
ROUND(DIVIDE ( SUMX ( T4, [UP] ), SUMX ( T4, [ALL] ) ) * 100,2)
3、5均线,其中n=10,20,60即可得到10均线、20均线、60均线。
四、总结
1、DAX中基本没有难度,就是迭代;
2、主要是数据公式推导后即可迎刃而解;
3、为了更好理解,做了个excel逻辑分解
4、最后验证下我们的计算结果
DAX计算出的RSI结果
股票软件结果(RSI24有一点点差异,主要是软件起始天数或者是小数保留问题,不影响使用。)
5、数据源是通过python的tushare包得到,pbix文件可以当个查询工具使用。