用于计算 RSI（和 ROC）的输入参数的正确配置是什么

Question

我已经尝试使用 Technical Indicators library to calculate RSI (and ROC) for candlestick's closing prices, but when I compare results from Binance，我得到的结果不是很准确：

我使用这个 Binance API:

获取数据

这是 RSI and ROC 指标的用法示例：

如果我这样做：

let inputData = {
        values: data, // 15 candlesticks, 1m candlestick data, values[0] is oldest closing price
        period: 14,
      };

我做计算：

const results_rsi = RSI.calculate(inputData);

我得到了单个元素数组，与 Binance 上的（实时）数据相比，结果相当不准确。

如果我这样做：

let inputData = {
        values: data, // 100 candlesticks, 1m candlestick data, values[0] is oldest closing price
        period: 14,
      };

 const results_rsi = RSI.calculate(inputData);

我得到了一堆元素的结果，如果我将 result_rsi 的 last 元素与 Binance RSI 14 (1m) 进行比较，我实际上非常准确结果。另外，我在其中一篇 git issues 中读到，提供更多的历史数据更好。

现在，到目前为止一切顺利......或者至少我是这么想的:) 然而，RSI 和 ROC 结果都非常准确。

问题是，当我应用相同的逻辑但使用不同的参数时，像这样说：

let inputData = {
        values: data, // 100(or even 200 and 500) candlesticks, 1h candlestick data, values[0] is oldest closing price
        period: 30,
      };

       const results_rsi = RSI.calculate(inputData);
      const results_roc = ROC.calculate(inputData);

我检查了 results_rsi 和 results_roc 的最后一个元素（我认为这是实际结果，但也许不是？），我仍然得到 RSI 的相当不错的结果, 但对于 ROC 我得到了非常错误的结果。这让我想到我是否正确使用了这个库，我什至不确定 RSI 结果是否正确，因为我没有尝试使用许多不同的参数/数据。

所以，问题：

（来自文档）：

var data = 
[11045.27,11167.32,11008.61,11151.83,10926.77,10868.12,10520.32,10380.43,10785.14,10748.26,10896.91,10782.95,10620.16,10625.83,10510.95,10444.37,10068.01,10193.39,10066.57,10043.75];

var period = 12;
        
var expectResult = [-3.85,-4.85,-4.52,-6.34,-7.86,-6.21,-4.31,-3.24];
    
ROC.calculate({period : period, values : data});

这里ROC的实际结果是什么？因为返回数组。
应如何对输入值进行排序？（values[0] 应该是什么）？
我哪里错了？ :D

Answer 1

“准确性”Data-depth 什么是足够的？
_{（更好：我们什么时候在屏幕上获得相等的输出？）}

RSI 是包含先验数据元素的几个指标之一。因此，基于 15 天或 50 天基础数据的 14 天 RSI 将与基于 500 天数据的 14 天 RSI 大不相同。

因此，除非所有 TimeSeries 的“观察者”从 (a) 完全相同的 TimeSeries 和 (b) 使用完全相同的“长度”计算 RSI（对于 depth-of-prior DATA 相关的底层计算，这里开始对于第一个“观察到的”period-length 柱使用普通 SMA）和 (c) 使用完全相同的计算方法的数值属性（几乎所有平台都使用相同的 64 位 IEEE-754 数值处理，这需要不会引起问题，使用混合 FPGA/GPGPU/SoC/ASIC 算法但可能会引入这种 class 进一步的不一致（导致新的结果差异），
所以，
有当且仅当我们都从 TimeSeries-history 中数据的最“开始”开始时，满足 (a) & (b) & (c) 的最高机会（如果我们都使用相同的数据源，则容易，不是那么容易，如果有些人使用 time-zone 未校正的，来自不同 (T)OHLC(V) 数据源的不同 history-depths ）并使用相同的数值处理方法。

一些 technical-indicators 不太容易受到 depth-of-observation 的影响，一些更多（如果这是一个核心问题（为了减少延迟/提高性能/保持 Quant-models' 的可重复性 &结果的可重复性），
尝试设置您的“准确性”阈值并测试所有 technical-indicators' 对 depth-of-prior 数据的依赖性（以便收敛开始满足您的“准确性”阈值，如果结果开始收敛并保持稳定，则进一步扩展深度没有意义 depth-of-prior DATA re-processing )

在某些情况下，如果您碰巧获得了如此“足够短”的 depth-of-prior 数据，则您不需要 re-process 更深入过去。在所有其他情况下并非如此，在这些情况下无法避免 DATA-depth 依赖。遗憾的是，如果我们想要获得相同的结果，我们都需要采用相同的深度（通常是最大深度，见上文）。

用于计算 RSI（和 ROC）的输入参数的正确配置是什么

What is correct configuration of input parameters for calculating RSI (and ROC)

javascript

node.js

technical-indicator

rsi

“准确性”Data-depth 什么是足够的？
_{（更好：我们什么时候在屏幕上获得相等的输出？）}

用于计算 RSI（和 ROC）的输入参数的正确配置是什么

What is correct configuration of input parameters for calculating RSI (and ROC)

javascript

node.js

technical-indicator

rsi

“准确性”Data-depth 什么是足够的？（更好：我们什么时候在屏幕上获得相等的输出？）

“准确性”Data-depth 什么是足够的？
_{（更好：我们什么时候在屏幕上获得相等的输出？）}