用deepseek解决KDJ钝化，发现编辑新指标的方法，炒股也能赚大钱

摘要：在deepseek之前，或者说在一切AI出现之前，我们面对指标的钝化的现象，是手足无措的，但是，现在，deepseek就像一把高明的手术刀，对于指标存在的不治之癌症，我们想切一刀就是一刀，直到指标变成为一个能够准确反应价格趋势和能量的东西，而为我们所用，也能为

在deepseek之前，或者说在一切AI出现之前，我们面对指标的钝化的现象，是手足无措的，但是，现在，deepseek就像一把高明的手术刀，对于指标存在的不治之癌症，我们想切一刀就是一刀，直到指标变成为一个能够准确反应价格趋势和能量的东西，而为我们所用，也能为我们赚钱。

凡是在市场上摔打滚爬过的人，对KDJ一定有过接触，所以对于它的擅长和短板，都是一清二楚的。KDJ在横盘整理行情反应敏感，但是在趋势中，却会出现连续钝化，这像什么？就像一大波的行情来了，赚钱的预期也随着趋势上升，而KDJ却在此时要我们按下刹车，赶紧跑步离场，于是该赚的钱，没有赚到，这确实是一个让人懊恼的的问题。

KDJ钝化现象示意图

怎么解决这个问题？

deepseek给出的答案就两条：一是调整参数；二是找一个效率更高的替代品。调整参数，不论怎么调，在效果上可能稍微出彩，但换汤不换药，必然有KDJ的鬼魅的影子，不如直接找一个更好的强弱指标，来解决钝化的问题。

deepseek为我们找到了KDJ替代，如下图所示：

都是一些手拿把掐的指标，通过对比，我们发现了一个指标stochastic RSI（随机相对强弱指数），它处理钝化的表现虽然比不上趋势指标MACD和CCI，它的趋势适应和震荡适应都在四星上，但显然要比KDJ、RSI和W%好，它的趋势适应和震荡适应评比上都有四个星，是一个高平衡的指标。

也就说，不论是盘整或者是趋势，stochastic RSI 都将是所向无敌的。这样好的东西，我怎么在以前就没有发现过，而且在deepseek简单阐述这个指标的时候，顺便为我们便捷了一个简单使用的系统：

当StochRSI 50日均线 → 买入

当StochRSI > 80 + MACD死叉 + 价格

简简单单就把钱赚了，不舒服吗？所以，我宁愿愿意选择简单，去解决其他如KDJ、RSI、W%R的钝化，但又出现了一个问题，就是当我们打开交易平台的界面后，反复查找这个指标，却没有发现它的存在。

这又变成了一个难办的问题！但是有deepseek在，我们不如让它再来一刀，切出一个崭新的stochRSI也算是我们对deepseek使用上的升华了。

因为要玩头指标，机器的语言可能更加的严谨一些，所以，这里我们就参与讨论了·，直接坦诚输出：Stochastic RSI（StochRSI）是RSI的随机化版本，通过计算RSI在其周期内的相对位置，提供更灵敏的超买超卖信号。其核心优势在于：

a、双重平滑：先计算RSI，再对其做随机化处理。

b、无钝化：数值范围严格限定在0-100，避免极端值失真。

c、高灵敏度：比标准RSI提前1-2个周期发出信号。

计算的方法如下所示：

math复制代码

\begin{aligned}&\text{StochRSI} = \frac{\text{当前RSI} - \text{最低RSI(N周期)}}{\text{最高RSI(N周期)} - \text{最低RSI(N周期)}} \times 100\\&\text{信号线} = \text{StochRSI的M周期移动平均}\end{aligned}

（默认参数：RSI周期=14，StochRSI周期=14，信号线=3）

千万不要因为到了这一帕就万事大吉了。当你看见上面这个玩意的时候，是不是和我们一样，无从着手了。

它就是一个代码，是一个笼统的方法，所以它仍然需要一个转换——如何把它变成交易中的指标？

直接呈现：

一、公式拆解：

\begin{aligned}&\text{StochRSI} = \frac{\text{当前RSI} - \min[\text{RSI}(N)]}{\max[\text{RSI}(N)] - \min[\text{RSI}(N)]} \times 100\\&\text{Signal Line} = \text{SMA}(\text{StochRSI}, M)\end{aligned}

二、计算步骤详解

步骤1：计算基础RSI：

使用标准RSI公式（默认周期14）：

代码公式：\text{RSI} = 100 - \frac{100}{1 + \frac{\text{平均上涨幅度}}{\text{平均下跌幅度}}}

步骤2：确定滚动窗口极值：

在N周期（默认14）窗口内：

最高RSI值：max(RSI_1, RSI_2, ..., RSI_14)

最低RSI值：min(RSI_1, RSI_2, ..., RSI_14)

步骤3：计算StochRSI：

将当前RSI值映射到0-100区间：

代码：\text{StochRSI}_t = \frac{\text{RSI}_t - \text{最低RSI}}{\text{最高RSI} - \text{最低RSI}} \times 100

若最高RSI=最低RSI（罕见情况），则强制设定：

当RSI>前值：StochRSI=100

当RSI

当RSI=前值：StochRSI=50

步骤4：生成信号线

对StochRSI取M周期（默认3）简单移动平均：

代码：\text{Signal Line}_t = \frac{\text{StochRSI}_{t} + \text{StochRSI}_{t-1} + \text{StochRSI}_{t-2}}{3}

三、数学特性分析

特性说明值域严格限定在[0,100]区间灵敏度比原始RSI放大波动（二阶导数效应）归一化消除不同品种RSI绝对值的差异动态边界超买超卖线随市场波动自动调整（不同于固定70/30的RSI）

四、Python实现代码：

import numpy as npimport pandas as pddef calculate_stoch_rsi(close, period=14, smooth_k=3): # 计算RSI delta = close.diff gain = delta.where(delta > 0, 0) loss = -delta.where(delta