Python 算 Stochastic RSI（StochRSI）：和 RSI、KDJ 有什么区别？不用 TA-Lib

分析与指标 · 代码验证于 2026-10-20

Python 怎么算 Stochastic RSI（StochRSI）？与 RSI/KDJ 的区别一次讲清

一句话回答： StochRSI 是「对 RSI 再做一次随机指标」——先算 14 日 RSI，再在最近 14 日的 RSI 上取 (RSI−min)/(max−min) 归一到 0~100，最后用 3 日均线平滑成 %K、再平滑成 %D。它比普通 RSI 更灵敏、更快触及超买超卖。用 AlphaFeed 取前复权 K 线后几行 pandas 即可，不用 TA-Lib。实测 600519（贵州茅台）最新：RSI14=63.81，而 StochRSI=95.01、%K=98.34、%D=95.87（RSI 还只是中性偏强，StochRSI 已到超买区）。

为什么会有这个问题 / 传统做法的痛点

RSI 常年在 4060 之间「钝化」，长时间不碰 70/30，让人难以抓到相对高低点。StochRSI 的思路是：不看 RSI 的绝对值，而看它在近期区间里的相对位置，于是把 RSI 的波动「放大」到 0100 满量程，信号更密、更灵敏。代价是更容易假信号。很多人把它和 KDJ 搞混——其实 KDJ 对价格做随机化，StochRSI 对RSI做随机化，输入完全不同。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线并算 RSI

from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("600519.SH", period="1d", count=250,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)

def rsi(series, n=14):
    delta = series.diff()
    gain = delta.clip(lower=0.0)
    loss = -delta.clip(upper=0.0)
    avg_gain = gain.ewm(alpha=1/n, min_periods=n, adjust=False).mean()
    avg_loss = loss.ewm(alpha=1/n, min_periods=n, adjust=False).mean()
    rs = avg_gain / avg_loss
    return 100 - 100 / (1 + rs)

r = rsi(df["close"], 14)

第 2 步：对 RSI 再做随机指标 → StochRSI

lo = r.rolling(14).min()
hi = r.rolling(14).max()
stochrsi = (r - lo) / (hi - lo) * 100      # 归一到 0~100

k = stochrsi.rolling(3).mean()             # %K：3 日平滑
d = k.rolling(3).mean()                     # %D：对 %K 再平滑

df["rsi"], df["stochrsi"], df["k"], df["d"] = r, stochrsi, k, d
print(round(r.iloc[-1], 2), round(stochrsi.iloc[-1], 2),
      round(k.iloc[-1], 2), round(d.iloc[-1], 2))
# 实测 600519 → 63.81 95.01 98.34 95.87

第 3 步：超买超卖与交叉判读

i = len(df) - 1
if k.iloc[i] > 80:
    print("StochRSI 超买区")
elif k.iloc[i] < 20:
    print("StochRSI 超卖区")
# %K 上穿 %D 偏多，下穿偏空；配合 >80 / <20 区域使用

参数与阈值对照

项	取值	说明
RSI 周期	14	先算的基础 RSI 周期
Stoch 回看	14	在最近 14 日 RSI 上取最高/最低
%K 平滑	3	对原始 StochRSI 做 3 日均线
%D 平滑	3	对 %K 再做 3 日均线
超买/超卖	80 / 20	常用阈值，可按品种调整

StochRSI vs RSI vs KDJ

指标	输入	做了什么	特点
RSI	收盘涨跌	平均涨幅/平均跌幅	平滑、常钝化
KDJ	价格高低收	价格在区间中的位置	对价格随机化
StochRSI	RSI 序列	RSI 在区间中的位置	对 RSI 再随机化，最灵敏

关键坑与注意事项

两套口径都存在：有的版本不乘 100（输出 0~~1），有的只有 %K 不平滑。本文用 0~~100 + %K/%D 双平滑，和多数行情软件接近；对比数值前先确认口径一致。
分母为 0：当最近 14 日 RSI 全相等时 max==min，会得到 NaN/inf。样本够长时很少见，必要时可对该段置为前值。
更灵敏=更多假信号：StochRSI 频繁触及 80/20，单独使用噪声大，建议配合趋势过滤（如均线方向、一目云层）。
A 股特性：涨跌停/一字板会让 RSI 与 StochRSI 短期极端化。本文为单只个股某时点快照，不构成信号，不可外推。

常见问题（FAQ）

Q：StochRSI 比 RSI 好用吗？ A：不是「更好」，是「更灵敏」。它更早给出超买超卖，但假信号也更多，适合与趋势过滤或其他指标组合，而非单独下单。

Q：为什么我的 StochRSI 和软件差很多？ A：多半是口径不同——是否乘 100、是否对 %K/%D 平滑、RSI 用 Wilder 还是简单平均。本文 RSI 用 Wilder（ewm(alpha=1/n)），StochRSI 0~100 + 3/3 平滑。

Q：要用复权价吗？ A：要，前复权日线。除权跳空会扭曲 RSI 进而扭曲 StochRSI。

Q：需要付费吗？ A：免费额度即可取历史日线做计算；批量多标的、更长历史与全市场扫描建议 Starter 及以上，详见官网定价页。

小结

StochRSI 的本质是「把 RSI 再放进随机指标里，看它在近期区间的相对位置」，从而把钝化的 RSI 放大到满量程、提高灵敏度。只要有一份干净的前复权 K 线，几行 pandas 就能复现，AlphaFeed 负责把可靠数据取回来。