通达信欧奈尔RPS指标公式详解

news/2024/5/5 10:49:53/文章来源:https://blog.csdn.net/m0_74754828/article/details/130064247

RPS相对强度指标,是国内的投资者根据威廉·欧奈尔所著书籍《笑傲股市》中的RS评级改进的。

根据书中介绍:

RS评级衡量了某一给定股票在过去52周内相对股市中其他股票的表现。市场上每一只股票都被指定了1~99范围内的某一数值,99代表相对强度最高。RS值为99,说明该股票在价格表现方面比其他99%的公司更优秀。RS值为50,代表该股票比其他50%的股票好。

前一篇文章中,以均线排名为例,其实没什么意义,只是为了举例,熟悉设置流程。给一些网友造成了困扰,在这里表示抱歉。本文从实际出发,编写欧奈尔RPS指标公式。指标需要使通达信扩展数据管理器中的0-1000归一化顺序进行排名,处理之后排名数据的范围为0-1000,再除以10,得到RPS相对强度,取值范围可以压缩到0-100之内,与RS评级取值范围1~99稍有区别。另外52周是一年,为了方便计算改成250日。

一、0-1000归一化顺序

 何为归一化?这个问题之前也困扰了我,查了一下通达信归一化排序的相关资料,没有找到详细的解释。后来发现归一化是物理、计算机等领域的概念,查了一下,找到计算公式。

归一化是一种简化计算的方式,将数据处理后限制在一定范围内,常见的是限制在0-1区间。

计算公式如下:

通达信中限制在0-1000这个区间,所以需要对计算公式做一点调整,乘以1000。

5只股票(a1、a2、a3、a4、a5)的50日涨幅分别是0.1、0、0.3、-0.1、0.2,根据公式计算出的相对强度为500、250、1000、0、750。但是根据实际测试结果,相对强度应该是600、400、1000、200、800(如下图)。因此通达信中的归一化和物理、计算机中的归一化计算方法不同,这个公式不对。

后来发现我考虑复杂了,计算方法应该很简单,虽然不一定对,但是经过验证,结果是正确的。

顺序,涨幅越大的排序结果越大,5只股票涨幅最小的排第1,涨幅最大的排第5,排序结果:3、2、5、1、4,经过0-1000归一化处理,得到如下结果:

a1=3/5*1000=600

a2=2/5*1000=400

a3=5/5*1000=1000

a4=1/5*1000=200

a5=4/5*1000=800

二、欧奈尔RPS指标公式

前一篇文章《通达信扩展数据管理器详解》已经对扩展数据管理器进行了详细介绍,RPS指标公式设置有点复杂,需要提前对扩展数据管理器有所了解。

ZDF:(C-REF(C,N))/REF(C,N);{N日的涨跌幅};

 公式名称为ZDF,记住这个公式名称,后面会用到。参数N最小设置为1,最大可以设置为500,缺省250。设置了参数范围,后续公式可以复用,改一下参数就行了。

打开扩展数据管理器,和前一篇文章中一样,我这里还是选择“数据8”。

 双击打开编辑扩展数据属性

 选择ZDF指标,参数N默认是缺省值250,可以自行修改。计算品种可以选择所有A股,也可以选择自定义板块。自定义板块可以是股票,也可以是板块指数。根据计算品种的不同,计算股票相对强度或者板块相对强度。勾选生成横向排名数据,0-1000归一化顺序。

点击确定,通达信软件开始自动计算。因为是0-1000归一化顺序,所以涨幅越大的股票,计算得到的值越大,且越接近1000。

我这里计算品种选择的“所有A股”,等计算完成之后,通达信软件就保存了所有A股的排名数据。怎么使用这组数据呢?把下面的RPS是相对强度指标保存为技术指标公式。

RPS是相对强度指标(副图)

EXTDATA_USER(8,0)/10;

扩展数据管理器计算得到的数值范围是0-1000,相对强度指标需要除以10,把取值范围压缩到0-100之间。把指标加载到副图,这样就可以看到每只股票的250日相对强度。

 最后说明一下,本文只是RPS相对强度指标的入门,没有对欧奈尔RPS指标公式进行优化。比较成熟的RPS指标,网上很多,可以自行研究学习。

关注技术Pie,学习更多通达信指标公式编写知识。

友情提醒:本文仅供学习交流技术指标公式,不构成任何投资建议。投资有风险,入市需谨慎!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.luyixian.cn/news_show_286115.aspx

如若内容造成侵权/违法违规/事实不符,请联系dt猫网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

YOLOV7运行步骤(推理、训练全过程)

下载源代码:点击下载 执行以下命令安装requirements.txt中的相关依赖 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple官网下载权重yolov7.pt(测试使用)、yolov7-tiny.pt(训练使用,这里…

10 JS01——初识JS

目标: 1、初识JavaScript 2、JavaScript注释 3、JavaScript输入输出语句 一、初识JavaScript 1、JavaScript是什么 JavaScript是世界上最流行的语言之一,是一种运行在客户端的脚本语言(Script是脚本的意思) 脚本语言:不需要编译,运行过程…

Vue2-黑马(九)

0目录: (1)router-动态菜单 (2)vuex-入门 (3)vuex-mapState (1)router-动态菜单 我们点击按钮跳转到主页面,主页在制作动态菜单,路由的跳转方…

keil代码格式化快捷方法

美化当前文件:-n !E --styleansi -p -s4 -S -f -xW -w -xw 美化整个工程文件:-n "$E*.c" "$E*.h" --styleansi -p -s4 -S -f -xW -w -xw -R 当前时间:!E~E^E 添加文件注释:!E 函数功能注释:!E ~…

快排(动图详细版,快速理解)

注:本文主要介绍六大排序中的快排 文章目录前言一、三大法则1.1 Hoare法1.2 挖坑法1.3 双指针法(更加便捷)1.4 三种方法时间复杂度计算二、快排栈问题优化方式2.1 三数取中2.2 小区间优化三、非递归快排前言 快速排序是Hoare于1962年提出的一…

Linux高并发服务器(webserver)

一.有限状态机 它的转移函数表示系统从一个状态转移到另一个状态的条件 二.EPOLL 在内核中创建一个数据,这个数据有两个比较重要的数据,一个是需要检测的文件描述符的信息(红黑树),一个双向链表,存放检测到…

利用多专家模型解决长尾识别任务

来源:投稿 作者:TransforMe 编辑:学姐 贡献 提出了RoutIng Diverse Experts(RIDE),不仅可以减少所有类别的variance,并且还可以减少尾部类的bias。同时提升了头部和尾部的性能。 思路 目前存…

easyrecovery2023电脑文件数据恢复软件功能介绍

EasyRecovery功能全面,即便是没有经验的小白用户也可以很快上手,让你足不出户即可搞定常见的数据丢失问题。 在使用和操作存储设备期间,数据丢失问题在所难免。比如,误删除某个文件、不小心将有数据的分区格式化、误清空了有重要…

2023“认证杯”数学中国数学建模赛题浅析

2023年认证杯”数学中国数学建模如期开赛,本次比赛与妈杯,泰迪杯时间有点冲突。因此,个人精力有限,有些不可避免地错误欢迎大家指出。为了大家更方便的选题,我将为大家对四道题目进行简要的解析,以方便大家…

【vue3】04-vue基础语法补充及阶段案例

文章目录vue基础语法补充vue的computedvue的watch侦听书籍购物车案例vue基础语法补充 vue的computed computed:用于声明要在组件实例上暴露的计算属性。(官方文档描述) 我们已经知道,在模板中可以直接通过插值语法显示一些data中…

智能网卡相关知识(smart nic 、DPU)

网卡作为穿行在网络与计算之间的桥梁,是可以解决计算瓶颈的关键硬件。 随着CPU 密度和数据中心网络带宽的进一步提升,用户对预期性能的需求,系统运行平稳性都会有更高的要求。云厂商一方面面临巨大的成本压力,另一方面面临巨大的…

新一代异步IO框架 io_uring | 得物技术

1.Linux IO 模型分类 相比于kernel bypass 模式需要结合具体的硬件支撑来讲,native IO是日常工作中接触到比较多的一种,其中同步IO在较长一段时间内被广泛使用,通常我们接触到的IO操作主要分为网络IO和存储IO。在大流量高并发的今天&#xff…

光伏电池片技术N型迭代,机器视觉检测赋能完成产量“弯道超车”

电池片是光伏发电的核心部件,其技术路线和工艺水平直接影响光伏组件的发电效率和使用寿命。随着硅料、硅片技术逐渐接近其升级迭代空间的瓶颈,电池片环节正处于技术变革期,是光伏产业链中迭代最快的部分。P型中PERC电池片是现阶段市场的主流产…

C/C++每日一练(20230413)

目录 1. 与浮点数A最接近的分数B/C 🌟 2. 比较版本号 🌟🌟 3. 无重复字符的最长子串 🌟🌟 🌟 每日一练刷题专栏 🌟 Golang每日一练 专栏 Python每日一练 专栏 C/C每日一练 专栏 Java每…

Multi-modal Alignment using Representation Codebook

Multi-modal Alignment using Representation Codebook 题目Multi-modal Alignment using Representation Codebook译题使用表示代码集的多模态对齐期刊/会议CVPR 摘要:对齐来自不同模态的信号是视觉语言表征学习(representation learning)的…

Vue2_02_指令

模板语法 — Vue.js (vuejs.org) 指令 (Directives) 是带有 v- 前缀的特殊 attribute 参数 一些指令能够接收一个“参数”&#xff0c;在指令名称之后以冒号表示 <a v-bind:href"url">...</a> 动态参数 可以用方括号括起来的 JavaScript 表达式作为一…

JWT与Token详解

前言&#xff1a;JWT全称“JSON Web Token”&#xff0c;是实现Token的机制。官网&#xff1a;https://jwt.io/ JWT的应用 JWT用于登录身份验证。用户登录成功后&#xff0c;后端通过JWT机制生成一个token&#xff0c;返回给客户端。客户端后续的每次请求都需要携带token&…

常用加密算法

目录 常见的加密算法可以分成三种&#xff1a; 对称加密算法 DES 3DES AES 非对称加密 RSA ECC Hash算法 MD5 SHA1 算法对比 算法选择 常见的加密算法可以分成三种&#xff1a; 对称加密算法&#xff1b;非对称加密算法&#xff1b;Hash算法&#xff1b;接下来我们…

面试手撕堆排序

堆排序代码如下&#xff08;注释见下&#xff09;&#xff1a; 首先将待排序的数组构造成一个大根堆&#xff0c;此时&#xff0c;整个数组的最大值就是堆结构的堆顶 将堆顶的数与末尾的数交换&#xff0c;此时&#xff0c;末尾的数为最大值&#xff0c;剩余待排序数组个数为n…

Linux设备驱动开发 - 块设备驱动ramdisk实例

By: fulinux E-mail: fulinuxsina.com Blog: https://blog.csdn.net/fulinus 喜欢的盆友欢迎点赞和订阅&#xff01; 你的喜欢就是我写作的动力&#xff01; 目录理论来源源码编译测试理论来源 ramdisk驱动&#xff0c;区别在与使用最新的内核版本&#xff0c;比如linux-4.15。…