? ? 本人之前寫過若干“給程序員加財商”的系列文，目的是通過股票案例講述Python知識點，讓大家在學習Python的同時還能掌握相關的股票知識，所謂一舉兩得。
? ? 在之前的系列文里，大家能看到K線，均線，成交量的案例，在本文里，大家能看到通過RSI案例講述Python郵件編程的知識點，在后繼系列文里，大家還能看到MACD,BIAS,KDJ等指標相關案例。
1? RSI指標的原理和算法描述
? ? 相對強弱指標（RSI）是通過比較某個時段內(nèi)單股價格的漲跌幅度來判斷多空雙方的強弱程度，以此來預測未來走勢。從數(shù)值上看，它體現(xiàn)出某股的買賣力量，所以投資者能據(jù)此預測未來價格的走勢，在實踐中，通常與移動平均線配合使用，以提高分析的準確性。
? ? RSI指標的計算公式如下所示。
? ? 第一步，RS（相對強度）=N日內(nèi)收盤價漲數(shù)和的均值÷N日內(nèi)收盤價跌數(shù)和的均值
? ? 第二步，RSI（相對強弱指標）=100－100÷（1+RS）
? ? 請注意，這里“均值“的計算方法可以是簡單移動平均（SMA），也可以是加權(quán)移動平均（WMA）指數(shù)移動平均（EMA）。本書采用的是比較簡單的簡單移動平均算法，有些軟件采用的是后兩種平均算法。采用不同的平均算法會導致RSI的值不同，但趨勢不會改變，對交易的指導意義也不會變。
? ? 以6日RSI指標為例，從當日算起向前推算6個交易日，獲取到包括本日在內(nèi)的7個收盤價，用每一日的收盤價減去上一交易日的收盤價，以此方式得到6個數(shù)值，這些數(shù)值中有正有負。隨后再按如下四個步驟計算RSI指標。
? ? 第一步，up=6個數(shù)字中正數(shù)之和的平均值。
? ? 第二步，down=先取6個數(shù)字中負數(shù)之和的絕對值，再對絕對值取平均值。
? ? 第三步，RS=up除以down，RS表示相對強度
? ? 第四步，RSI（相對強弱指標）=100－100÷（1+RS）
? ? 如果再對第四步得出的結(jié)果進行數(shù)學變換，能進一步約去RS因素，得到如下的結(jié)論：RSI=100x(up) ÷(up+down)，也就是說，RSI等于100乘以up除以(up和down的和)。
? ? 從本質(zhì)上來看，RSI反映了某階段內(nèi)（比如6個交易日內(nèi)）由價格上漲引發(fā)的波動占總波動的百分比率，百分比越大，說明這個時間段內(nèi)股票越強勢，反之如果百分比越小，則說明股票弱勢程度強。
? ? 從上述公式中我們能看到，RSI的值介于0到100之間，目前比較常見的基準周期為6日\12日和24日。把每個交易日的RSI值在坐標圖上的點連成曲線，即能繪制成RSI指標線，也就是說，目前滬深股市中RSI指標線是由三根曲線構(gòu)成，如下圖所示。
?
?
2? 把用Matplotlib繪制的RSI指標圖存為圖片
? ? 在如下的DrawRSI.py案例中，我們將根據(jù)上述算法繪制600584（長電科技）從2018年9月到2019年5月間的的6日、12日和24日的RSI指標。
? ? 本例的數(shù)據(jù)來自csv文件，而該文件的數(shù)據(jù)來自網(wǎng)絡股票接口，相關內(nèi)容大家可以閱讀之前博文。在本案例中，還會把由matplotlib生成的圖形存為png格式，以方便之后用郵件的形式發(fā)送。? ??
1 #!/usr/bin/env python
2 #coding=utf-8
3 import pandas as pd
4 import matplotlib.pyplot as plt
5 #計算RSI的方法，入?yún)eriodList傳入周期列表
6 def calRSI(df,periodList):
7 #計算和上一個交易日收盤價的差值
8 df['diff'] = df["Close"]-df["Close"].shift(1)
9 df['diff'].fillna(0, inplace = True)
10 df['up'] = df['diff']
11 #過濾掉小于0的值
12 df['up'][df['up']] = 0
13 df['down'] = df['diff']
14 #過濾掉大于0的值
15 df['down'][df['down']] = 0
16 #通過for循環(huán)，依次計算periodList中不同周期的RSI等值
17 for period in periodList:
18 df['upAvg'+str(period)] = df['up'].rolling(period).sum()/period
19 df['upAvg'+str(period)].fillna(0, inplace = True)
20 df['downAvg'+str(period)] = abs(df['down'].rolling(period).sum()/period)
21 df['downAvg'+str(period)].fillna(0, inplace = True)
22 df['RSI'+str(period)] = 100 - 100/((df['upAvg'+str(period)]/df['downAvg'+str(period)]+1))
23 return df
? ? 在第5行里，我們定義了用于計算RSI值的calRSI方法，該方法第一個參數(shù)是包含日期收盤價等信息的dataframe類型的df對象，第二個參數(shù)是周期列表。
? ? 在第8行里，我們把本交易日和上個交易日收盤價的差價存入了'diff'列，這里是用shift(1)來獲取df里上一行（即上個交易日）的收盤價。由于第一行的diff值是NaN，所以需要用第9行的fillna方法把NaN值更新成0。
? ? 在第11行里，在df對象里創(chuàng)建了up列，該列的值暫時和diff值相同，有正有負，但馬上就通過第12行的df['up'][df['up']<0] = 0代碼，把up列中的負值設置成0，這樣一來，up列里就只包含了“N日內(nèi)收盤價的漲數(shù)”。在第13行和第15行里，用同樣的方法，在df對象中創(chuàng)建了down列，并在其中存入了“N日內(nèi)收盤價的跌數(shù)”。
? ? 隨后是通過第17行的for循環(huán)，遍歷存儲在periodList中的周期對象，其實通過下面第26行的代碼，我們能看到計算RSI的周期分別是6天、12天和24天。針對每個周期，先是在第18行，算出了這個周期內(nèi)收盤價漲數(shù)和的均值，并把這個均值存入df對象中的'upAvg'+str(period)列中，比如當前周期是6，那么該漲數(shù)的均值是存入df[‘upAvg6‘]列。在第20行，則算出該周期內(nèi)的收盤價跌數(shù)的均值，并存入'downAvg'+str(period)列中。最后在第22行，算出本周期內(nèi)的RSI值，并放入df對象中的'RSI'+str(period)里。?
24 filename='D:\\stockData\ch10\\6005842018-09-012019-05-31.csv'
25 df = pd.read_csv(filename,encoding='gbk'
)
26 list = [6,12,24] #周期列表
27 #調(diào)用方法計算RSI
28 stockDataFrame =
calRSI(df,list) 29 #print(stockDataFrame) 30 #開始繪圖 31
plt.figure() 32 stockDataFrame['RSI6'].plot(color="blue",label='RSI6'
) 33 stockDataFrame['RSI12'].plot(color="green",label='RSI12'
) 34 stockDataFrame['RSI24'].plot(color="purple",label='RSI24'
) 35 plt.legend(loc='best') #繪制圖例 36 #設置x軸坐標標簽和旋轉(zhuǎn)角度 37 major_index=stockDataFrame.index[stockDataFrame.index==
0] 38 major_xtics=stockDataFrame['Date'][stockDataFrame.index==
0] 39
plt.xticks(major_index,major_xtics) 40 plt.setp(plt.gca().get_xticklabels(), rotation=30
) 41 #帶網(wǎng)格線，且設置了網(wǎng)格樣式 42 plt.grid(linestyle='-.'
) 43 plt.title("RSI效果圖"
) 44 plt.rcParams['font.sans-serif']=['SimHei'
] 45 plt.savefig('D:\\stockData\ch10\\6005842018-09-012019-05-31.png'
) 46 plt.show()
? ? ?在第25行里，我們從指定csv文件里得到了包含日期收盤價等信息的數(shù)據(jù)，并在第26行指定了三個計算周期。在第28行里，我們調(diào)用了calRSI方法計算了三個周期的RSI值，并存入stockDataFrame對象，當前第29行的輸出語句是注釋掉的，在打開后，大家能看到計算后的結(jié)果值，其中包含upAvg6、downAvg6和RSI6等列。
? ? 在得到RSI數(shù)據(jù)后，從第31行開始繪圖，其中比較重要的步驟是通過第32行到第34行的代碼，用plot方法繪制三根曲線，隨后通過第35行的legend方法設置圖例，通過第37行和第38行的代碼設置x軸刻度的文字以及旋轉(zhuǎn)效果，通過第42行的代碼設置網(wǎng)格樣式，通過第43的代碼設置標題。
? ? 在第46行通過show方法繪圖前，我們通過第45行的代碼，用savefig方法把圖形保存到了指定目錄，請注意這句話需要放在show方法前，否則保存的圖片就會是空的。
? ? 運行上述代碼，能看到如下圖所示的RSI效果圖。需要說明的是，由于本例在計算收盤價漲數(shù)和均值和收盤價跌數(shù)和均值時，用的是簡單移動平均算法，所以繪制出來的圖形可能和一些軟件里的不一致，但趨勢相同。而且，在指定目錄里，能看到png圖片。
? ??
?
3? 整合K線后用郵件發(fā)送
? ??在DrawKwithRSI.py代碼里，我們將完成如下三個工作，第一，計算6日、12日和24日的RSI值。第二，繪制K線加均線加RSI指標圖，并把結(jié)果保存為png格式圖片。第三，發(fā)送郵件，并把png圖片以富文本的格式展示在郵件正文中。
1
#
!/usr/bin/env python
2
#
coding=utf-8
3
import
pandas as pd
4
import
matplotlib.pyplot as plt
5
from
mpl_finance
import
candlestick2_ochl
6
from
matplotlib.ticker
import
MultipleLocator
7
import
smtplib
8
from
email.mime.text
import
MIMEText
9
from
email.mime.image
import
MIMEImage
10
from
email.mime.multipart
import
MIMEMultipart
11
#
計算RSI的方法，入?yún)eriodList傳入周期列表
12
def
calRSI(df,periodList):
13 和DrawRSI.py案例中的一致? ??
? ? 從第3行到第10行，我們引入了相關的庫文件，第12行定義的calRSI方法和之前案例中的完全一致，所以就不再給出代碼。? ??
14 filename='D:\\stockData\ch10\\6005842018-09-012019-05-31.csv'
15 df = pd.read_csv(filename,encoding='gbk')
16 list = [6,12,24] #周期列表
17 #調(diào)用方法計算RSI
18 stockDataFrame = calRSI(df,list)
19 figure = plt.figure()
20 #創(chuàng)建子圖
21 (axPrice, axRSI) = figure.subplots(2, sharex=True)
22 #調(diào)用方法，在第axPrice子圖里繪制K線圖
23 candlestick2_ochl(ax = axPrice, opens=df["Open"].values, closes=df["Close"].values, highs=df["High"].values, lows=df["Low"].values,width=0.75, colorup='red', colordown='green')
24 axPrice.set_title("K線圖和均線圖")#設置子圖標題
25 stockDataFrame['Close'].rolling(window=3).mean().plot(ax=axPrice,color="red",label='3天均線')
26 stockDataFrame['Close'].rolling(window=5).mean().plot(ax=axPrice,color="blue",label='5天均線')
27 stockDataFrame['Close'].rolling(window=10).mean().plot(ax=axPrice,color="green",label='10天均線')
28 axPrice.legend(loc='best') #繪制圖例
29 axPrice.set_ylabel("價格（單位：元）")
30 axPrice.grid(linestyle='-.') #帶網(wǎng)格線
31 #在axRSI子圖里繪制RSI圖形
32 stockDataFrame['RSI6'].plot(ax=axRSI,color="blue",label='RSI6')
33 stockDataFrame['RSI12'].plot(ax=axRSI,color="green",label='RSI12')
34 stockDataFrame['RSI24'].plot(ax=axRSI,color="purple",label='RSI24')
35 plt.legend(loc='best') #繪制圖例
36 plt.rcParams['font.sans-serif']=['SimHei']
37 axRSI.set_title("RSI圖")#設置子圖的標題
38 axRSI.grid(linestyle='-.') #帶網(wǎng)格線
39 #設置x軸坐標標簽和旋轉(zhuǎn)角度
40 major_index=stockDataFrame.index[stockDataFrame.index%7==0]
41 major_xtics=stockDataFrame['Date'][stockDataFrame.index%7==0]
42 plt.xticks(major_index,major_xtics)
43 plt.setp(plt.gca().get_xticklabels(), rotation=30)
44 plt.savefig('D:\\stockData\ch10\\600584RSI.png')
? ? 在第18行里，我們通過調(diào)用calRSI方法得到了三個周期的RSI數(shù)據(jù)。在第21行里，設置了axPrice和axRSI這兩個子圖共享x軸標簽，在第23行里繪制了K線圖，在第25行到第27行里，繪制了3日、5日和10日的均線，在第32行到第34行里，繪制了6日、12日和24日的三根RSI指標圖。在第44行里通過savefig方法，把包含K線、均線和RSI指標線的圖形存在指定目錄中。?? ??
45 #發(fā)送郵件
46 def sendMail(username,pwd,from_addr,to_addr,msg):
47 和之前sendMailWithPicAttachment.py案例中的一致
48 def buildMail(HTMLContent,subject,showFrom,showTo,attachfolder,attachFileName):
49 message = MIMEMultipart()
50 body = MIMEText(HTMLContent, 'html', 'utf-8')
51 message.attach(body)
52 message['Subject'] = subject
53 message['From'] = showFrom
54 message['To'] = showTo
55 imageFile = MIMEImage(open(attachfolder+attachFileName, 'rb').read())
56 imageFile.add_header('Content-ID', attachFileName)
57 imageFile['Content-Disposition'] = 'attachment;filename="'+attachFileName+'"'
58 message.attach(imageFile)
59 return message
第46行定義的sendMail方法和之前案例中的完全一致，所以就不給出詳細的代碼。本案例與之前不同的是，在第48行里，專門定義了buildMail方法，用來組裝郵件對象，郵件的諸多要素由該方法的參數(shù)所定義。
? ? 具體而言，在第49行里定義郵件類型是MIMEMultipart，也就是說帶附件的郵件，在第50行和第51行里，根據(jù)參數(shù)HTMLContent構(gòu)建了郵件的正文，在第52行到第54行里，設置了郵件的相關屬性值，從第55行到第57行，根據(jù)入?yún)?gòu)建了MIMEImage類型的圖片類附件，在第58行里，通過attach方法把附件并入郵件正文。? ??
60 subject='RSI效果圖'
61 attachfolder='D:\\stockData\\ch10\\'
62 attachFileName='600584RSI.png'
63 HTMLContent = ''\
64 '
'\
65 ''
66 message = buildMail(HTMLContent,subject,'hsm_computer@163.com','hsm_computer@163.com',attachfolder,attachFileName)
67 sendMail('hsm_computer','xxx','hsm_computer@163.com','hsm_computer@163.com',message.as_string())
68 #最后再繪制
69 plt.show()
在第60行到第66行，我們設置了郵件的相關屬性值，并在第66行里，通過調(diào)用buildMail方法創(chuàng)建了郵件對象message，在第第67行里，通過調(diào)用sendMail方法發(fā)送郵件，最后在第69行通過show方法繪制了圖形。請大家注意本案例中的三個細節(jié)。
? ? 第一，?????????? 第64行cid的值需要和第56行的Content-ID值一致，否則圖片只能以附件的形式發(fā)送，無法在郵件正文里以富文本的格式展示。
? ? 第二，?????????? 我們是先構(gòu)建和發(fā)送郵件，再通過第69行的代碼繪制圖形，如果次序顛倒先繪制圖形后發(fā)送郵件的話，show方法被調(diào)用后程序會阻塞在這個位置，代碼無法繼續(xù)執(zhí)行。要等到手動關閉掉由show方法彈出的窗口后，才會觸發(fā)sendMail方法發(fā)送郵件。
? ? 第三，?????????? 在本案例的第48行，我們專門封裝了用于構(gòu)建郵件對象的buildMail方法，在其中通過參數(shù)動態(tài)地構(gòu)建郵件，這樣如果要發(fā)送其它郵件，則可以調(diào)用該方法，從而能提升代碼的重用性。
? ? 運行上述代碼，我們能在彈出的窗口里看到K線、均線和RSI指標圖整合后的效果圖，而且能在郵件的正文里看到相同的圖。
? ?
?
4??RSI指標對買賣點的指導意義
? ??一般來說，我們把6日、12日和24日的RSI指標稱為為短期、中期和長期指標。和KDJ指標一樣，RSI指標也有超買和超賣區(qū)。
? ? 具體而言，當RSI值在50到70間波動時，表示當前屬于強勢狀態(tài)，如繼續(xù)上升，超過80時,則到超買區(qū),極可能在短期內(nèi)轉(zhuǎn)升為跌。反之RSI值在20到50之間時，說明當前市場處于相對弱勢，如下降到20以下,則進入超賣區(qū)，股價可能出現(xiàn)反彈。
? ? 在講述RSI交易策略前，我們先來講述下在實際操作中總結(jié)出來的RSI指標的缺陷。
? ? 第一，周期較短（比如6日）的RSI指標比較靈敏，但快速震蕩的次數(shù)較多，可靠性相對差些，而周期較長（比如24日）的RSI指標可靠性強，但靈敏度不夠，經(jīng)常會“滯后”的情況。
? ? 第二，當數(shù)值在40到60間波動時，往往參考價值不大，具體而言，當數(shù)值向上突破50臨界點時，表示股價已轉(zhuǎn)強，反之向下跌破50時則表示轉(zhuǎn)弱，不過在實踐過程中，經(jīng)常會出現(xiàn)RSI跌破50后股價卻不下跌，而突破50后股價不漲。
? ? 綜合RSI算法、相關理論以及缺陷，我們來講述下實際操作中常用的基于該指標的賣策略。
? ? 第一，RSI短期指標（6日）在20以下超賣區(qū)與中長期RSI（12日或24日）發(fā)生黃金交叉，即6日線上穿12日或24日線，則說明即將發(fā)生反彈行情，如果其它技術(shù)或政策等方面沒太大問題，可以適當買進。
? ? 第二，反之，RSI短期指標（6日）在80以上超買區(qū)與中長期RSI（12日或24日）發(fā)生死亡交叉，即6日線下穿12日或24日線，則說明可能會出現(xiàn)高位反轉(zhuǎn)的情況，如果沒有其它利好消息，可以考慮賣出。
5?計算賣點，以郵件的形式發(fā)送
? ? 根據(jù)上文描述，這里采用的基于RSI的買點策略是，RSI6日線在20以下與中長期RSI（12日或24日）發(fā)生黃金交叉。在如下的calRSIBuyPoints.py案例中，我們據(jù)此策略計算600584（長電科技）從2018年9月到2019年5月間的賣點，而且通過郵件發(fā)送買點日期。? ? ?
1 #!/usr/bin/env python
2 #coding=utf-8
3 import pandas as pd
4 import smtplib
5 from email.mime.text import MIMEText
6 from email.mime.image import MIMEImage
7 from email.mime.multipart import MIMEMultipart
8 #計算RSI的方法，入?yún)eriodList傳入周期列表
9 def calRSI(df,periodList):
10 和DrawRSI.py案例中的一致，省略相關代碼
11 filename='D:\\stockData\ch10\\6005842018-09-012019-05-31.csv'
12 df = pd.read_csv(filename,encoding='gbk')
13 list = [6,12,24] #周期列表
14 #調(diào)用方法計算RSI
15 stockDataFrame = calRSI(df,list)
? ? 在上述代碼的第15行里，我們通過調(diào)用calRSI方法計算RSI指標值，這部分和10.3.2部分的calRSIBuyPoints.py相關代碼非常相似，所以就不再重復說明。? ?
16 cnt=0
17 sellDate=''
18 while cnt<=len(stockDataFrame)-1:
19 if(cnt>=30):#前幾天有誤差，從第30天算起
20 try:
21 #規(guī)則1，這天RSI6高于80
22 if stockDataFrame.iloc[cnt]['RSI6']<80:
23 #規(guī)則2.1,當天RSI6下穿RSI12
24 if stockDataFrame.iloc[cnt]['RSI6']
stockDataFrame.iloc[cnt-1]['RSI12']:
25 sellDate = sellDate+stockDataFrame.iloc[cnt]['Date'] + ','
26 #規(guī)則2.2,當天RSI6下穿RSI24
27 if stockDataFrame.iloc[cnt]['RSI6']
stockDataFrame.iloc[cnt-1]['RSI24']:
28 if sellDate.index(stockDataFrame.iloc[cnt]['Date']) == -1:
29 sellDate = sellDate+stockDataFrame.iloc[cnt]['Date'] + ','
30 except:
31 pass
32 cnt=cnt+1
33 print(sellDate)
? ? 在第18行到第32行的while循環(huán)里，我們計算了基于RSI的賣點，在第22行的語句里，我們制定了第一個規(guī)則：RSI6數(shù)值大于80，在第23行和第27行，我們在規(guī)則一的基礎上制定了兩個并行的規(guī)則，通過上述代碼，我們會在sellDate對象里存放RSI6大于80并且RSI6下穿RSI12（或RSI24）的交易日，這些交易日即為賣點。? ??
34 def sendMail(username,pwd,from_addr,to_addr,msg):
35 和之前calRSIBuyPoints.py案例中的完全一致
36 def buildMail(HTMLContent,subject,showFrom,showTo,attachfolder,attachFileName):
37 和之前calRSIBuyPoints.py案例中的完全一致
38 subject='RSI賣點分析'
39 attachfolder='D:\\stockData\\ch10\\'
40 attachFileName='600584RSI.png'
41 HTMLContent = ''\
42 '賣點日期' + sellDate + \
43 '
'\
44 ''
45 message = buildMail(HTMLContent,subject,'hsm_computer@163.com','hsm_computer@163.com',attachfolder,attachFileName)
46 sendMail('hsm_computer','xxx','hsm_computer@163.com','hsm_computer@163.com',message.as_string())
第34行和第36行的兩個用于發(fā)送郵件和構(gòu)建構(gòu)建的方法和之前案例的完全一致，所以就不再額外說明。
? ?在第38行我們定義的郵件標題是“RSI賣點分析”，在第41行定義的描述正文的HTMLContent對象里，我們存放的也是“賣點日期”，最終是通過第46行調(diào)用sendMail方法發(fā)送郵件。
? ? 運行上述代碼，我們能看到如下圖所示的郵件，其中包括了賣點日期和指標圖。這里通過計算得出的賣點日期比較多，經(jīng)分析，這些日期之后，股價多有下跌情況。
? ? ? ??
?
6 總結(jié)和版權(quán)說明
? ? 本文是給程序員加財商系列，之前的系列文如下：
? ??以預測股票漲跌案例入門基于SVM的機器學習 ? ?
? ?? 用python的matplotlib和numpy庫繪制股票K線均線和成交量的整合效果（含量化驗證交易策略代碼） ? ?
? ? 有不少網(wǎng)友轉(zhuǎn)載和想要轉(zhuǎn)載我的博文，本人感到十分榮幸，這也是本人不斷寫博文的動力。關于本文的版權(quán)有如下統(tǒng)一的說明，抱歉就不逐一回復了。
? ? 1 本文可轉(zhuǎn)載，無需告知，轉(zhuǎn)載時請用 鏈接 的方式，給出原文出處，別簡單地通過文本方式給出，同時寫明原作者是hsm_computer。
? ?? 2 在轉(zhuǎn)載時，請原文轉(zhuǎn)載 ，謝絕洗稿。否則本人保留追究法律責任的權(quán)利。
?
更多文章、技術(shù)交流、商務合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
