如何用 Python 计算 TSI 真实强弱指数（True Strength Index）？双重平滑动量，不用 TA-Lib

Q: 需要付费吗？

单只股票日线在免费额度内即可；若要对**全市场**批量扫 TSI 零轴上金叉的票，需要 `klines.batch` + `universes`（Starter 及以上），详见官网定价页。

分析与指标 · 代码验证于 2026-10-18

如何用 Python 计算 TSI 真实强弱指数（True Strength Index）？

一句话回答： TSI（True Strength Index，真实强弱指数）由 William Blau 提出，做法是对价格动量（收盘差分）做两次 EMA 平滑，再除以绝对动量的双重平滑，乘 100 得到 −100 ~ +100 的平滑动量线——双重平滑让它比 RSI 噪声更小、方向更干净，常用参数 (25, 13)，再配一条信号线金叉择时。用 AlphaFeed 取前复权日线十几行即可实现，不需要 TA-Lib。

为什么会有这个问题 / 传统做法的痛点

RSI/CMO 直接用涨跌幅，灵敏但噪声大、震荡市假信号多。Blau 的思路是：先平滑动量本身（而不是价格），对动量做两次 EMA 能滤掉大量短期噪声，同时用”绝对动量的双重平滑”做分母归一化到 ±100，于是得到一条既平滑、又带方向和强度的线。痛点是 TA-Lib 没有现成 TSI，而且”双重平滑”要分别对动量和绝对动量各做两层 EMA，层次容易写乱。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线

from alphafeed import AlphaFeed
import numpy as np, pandas as pd

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

df = af.klines.get("600519.SH", period="1d", count=300,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)

第 2 步：实现 TSI（动量双重平滑 ÷ 绝对动量双重平滑）

def tsi(close, r=25, s=13, sig=7):
    m = close.diff()                                              # 动量
    ds_m   = m.ewm(span=r, adjust=False).mean().ewm(span=s, adjust=False).mean()        # 双重平滑动量
    ds_abs = m.abs().ewm(span=r, adjust=False).mean().ewm(span=s, adjust=False).mean()  # 双重平滑|动量|
    t = 100 * ds_m / ds_abs.replace(0, np.nan)
    return t, t.ewm(span=sig, adjust=False).mean()                # TSI, 信号线

df["tsi"], df["tsi_sig"] = tsi(df["close"])
print(df[["trade_date", "tsi", "tsi_sig"]].tail())

实测（tools/verify_new_2026-10-18.py，SDK 0.1.4）：贵州茅台近 300 日 TSI 尾值 ≈ 3.87、信号 ≈ −6.85（TSI 在信号线上方、略高于零轴，动量偏弱转多），区间内 TSI 上穿信号线共 14 次，取值在 ±100 内。

第 3 步：金叉/死叉 + 零轴

golden = (df["tsi"].shift(1) <= df["tsi_sig"].shift(1)) & (df["tsi"] > df["tsi_sig"])
print("最近 TSI 金叉：", df.loc[golden, "trade_date"].tail(1).tolist())
print("TSI 在零轴上方（多头动量）：", bool(df["tsi"].iloc[-1] > 0))

常用法：TSI 上穿信号线偏多、下穿偏空；TSI 穿越零轴代表动量多空切换；也看 TSI 与价格的背离。

参数与字段说明

参数/概念	含义	备注
`adjust="forward"`	前复权	必须，除权缺口制造假动量
`r=25`	第一重 EMA 周期	Blau 常用 25
`s=13`	第二重 EMA 周期	常用 13
`sig=7`	信号线 EMA	常用 7 或 13
分子	双重平滑动量	带方向
分母	双重平滑绝对动量	归一化到 ±100

关键坑与注意事项

平滑对象是动量不是价格：先 close.diff() 得动量，再对动量做双重 EMA；对价格平滑是另一回事。
双重平滑=更滞后：TSI 比 RSI 平滑、假信号少，但拐点确认更慢，急涨急跌时信号迟到。
参数口径多样：(25,13)、(13,7)、(40,20) 都有人用；信号线 7 vs 13 也不同。对比软件先统一。
前复权必须：除权缺口会制造巨大假动量。
分母防零：极端无波动时双重平滑绝对动量可能趋零，需 replace(0, nan)。
是动量不是价格目标：TSI 描述动量方向与强度，不预测涨跌幅。

常见问题（FAQ）

Q：TSI 和 MACD、RSI 有什么区别？ A：都看动量。RSI 用平滑后的涨跌幅比值（0~100）；MACD 是两条 EMA 之差（无界）；TSI 对动量做双重平滑再归一化到 ±100，兼具”平滑”与”有界带方向”。TSI 通常比 MACD 更平滑、比 RSI 噪声更小。

Q：为什么我的 TSI 和某软件不一样？ A：多半是 r/s/信号线参数或复权不同。先统一 (25,13) 与前复权再比。

Q：需要付费吗？ A：单只股票日线在免费额度内即可；若要对全市场批量扫 TSI 零轴上金叉的票，需要 klines.batch + universes（Starter 及以上），详见官网定价页。

小结

TSI 对动量做双重 EMA 平滑、再用绝对动量双重平滑归一化到 ±100，得到一条平滑、带方向的动量线，配信号线金叉与零轴择时。用 AlphaFeed 的前复权日线十几行即可实现——记住平滑的是动量而非价格、双重平滑更滞后、参数口径要统一、分母防零。