关于日线rsi底背离内容导航：
1、日线rsi底背离
# 参数：
# df：dataframe格式的数据源
# n：rsi窗口大小
# m：观察期
# 返回：
# df：新增加rsi列
# df['rsi'] = talib.RSI(df['close'].values, n)
# df['rsi_diff'] = df['rsi'].diff()
# df['rsi_diff_m'] = df['rsi_diff'].rolling(m).mean()
# df['rsi_diff_m_diff'] = df['rsi_diff_m'].diff()
# df['rsi_diff_m_diff_sign'] = np.sign(df['rsi_diff_m_diff'])
# df['rsi_diff_m_diff_sign_shift'] = df['rsi_diff_m_diff_sign'].shift()
# df['rsi_diff_m_diff_sign_shift_diff'] = df['rsi_diff_m_diff_sign_shift'].diff()
# df['rsi_diff_m_diff_sign_shift_diff_sign'] = np.sign(df['rsi_diff_m_diff_sign_shift_diff'])
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift'] = df['rsi_diff_m_diff_sign_shift_diff_sign'].shift()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift'].diff()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign'] = np.sign(df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff'])
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign'].shift()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift'].diff()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign'] = np.sign(df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'])
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign'].shift()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift'].diff()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign'] = np.sign(df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'])
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign'].shift()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift'].diff()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign'] = np.sign(df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'])
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign'].shift()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift'].diff()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign'] = np.sign(df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'])
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign'].shift()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift'].diff()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign'] = np.sign(df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'])
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign'].shift()
# df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff'] = df['rsi_diff_m_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign_shift_diff_sign
2、日线rsi底背离意义
根据我这些年的不断观察，我观察到在个股下跌之时，很多股民都喜欢“抄底”，几乎都抄在了半山腰 ；一直都在高位盲目追高，却从未设想隔天发生了高位回调的现象。之所以出现这些情况，多半是因为他们只注意到了股价的变化，却不知道如何用技阳马乐倍断音北持术指标深入剖析某只股票。借由此次机会，我就给小伙伴们好好讲解一下用来判断股票趋势扭转的信号--背离。想更全面的从技术指标分析中直接获取股票最新机会，点击下方链接获取免费诊静钢含你记客证叶股报告：【个股报告】指标形态精讲一、股市中的背离是什么
背离表达的是趋势扭转，暗自表明市场的走势可能会有所望层全压国盐游改变，提醒投资者做出相应的应对策略。通常，背离将顶背离和底背离涵盖在内。
1、顶背离
顶背离一算张愿协孔般会在上涨趋势当中看见，持续走高的股价的高点属于其特征，不过指标的高点却一个比一个低，说明多头力量逐渐进入衰败状态，股价达到顶峰状态了，
2、底背离
底背离通常发生的时期在下跌趋势中，其特征是股价的低点一个比一个低 ，相反指标的高点一个亲报比一个高，这就是在说空头的力量越来越弱，多头占据优势地位，或许就把下跌趋势给颠覆了，也许后期的时候还能碰上一波上涨行情。并且在对背离进行研究时，要是我们选择的时间段越长，那判断地肯定就更准确了，如果大家选择的周期越长的话，单笔或多笔大资金对走势产生的影响也就越小。很多刚炒股的朋友，东听一句西听一句在炒股软件中添加了一大批自选股票，却因为缺少长期跟踪和分析，质表全临去运根本不确定哪只好哪只不好，其实市面上个股免费分再认声极眼弱妒愿析的工具并不多，不过我还是为大家找到一个服信，点击下方链接输入股票代码就能领：【个股分析】股票好与坏，输入代码推何扩氢采国留拉六严正立刻了解
二、不同指标的背离形态代表什么意思？
属肉围坚由盟基本上，判断背离时常用的指标是MACD、KDJ和RSI，接下来就分别举例子，也好给大家讲讲怎样去看：
①MACD
当个股的价格不断创新高，并且MACD指标图形上一色粮轮满古峰比一峰低的时候，就叫做顶背离儿们现象。万一真的出现MACD顶背离，可见这只股票会发生短期见顶的情况，后一阶段可能会发生回调现象，投资者们场病应尽快逢高减仓，降低高位回调所带来的风险。
与此相反，当个股处在下降的时候，如果出现股价的低点比前一次低点低，但是指标的低点却又比上一回的低点要高的话，那么就会导致底背离。当存在MACD底背离的时候，那这时候就可以小仓位介入，等待趋势出现反转。
②KDJ
当股价不断上涨，一顶比一顶高，然而KDJ指标却联点直台增章胡一顶比一顶低时，就有顶背离的状况。在出现KDJ背离时也就证明该个股的上涨行情结束的时刻即将到来，此时投资者不要去追高，要做的应该是减仓降低风险。
相反，倘若K线图上股价的低点持续走低，反而K径但情代DJ的低位却一次比一次高时，这就出现了KDJ底胡蛋必纸意古含胡坐江背离。一般来说这种情况的卷犯出现，告诉各位的信息就是后期股价将会增长，释放买入信号。KDJ或许会有15分钟、30分钟、60分钟、日线级别的背离的出现，拥有越大的级别说明后期调整得越多，显现的背离在3次以上时，那后期调整的可能性达到100％。
③RSI
和前两种指标一样，当股价不断上涨，且一波高于一波，但RSI反倒是发生下跌，而且一顶要比一顶低的时候，就会有顶背离的这种情况。发生RSI顶背离现象时，说明上涨乏力，处于疲软状态，该个股随后出现调整的可能性很大，所以说在这个时候会有仓位，投资者相应的降低仓位，没仓位的不要贸然入场。
而相反的是当股价不断的下跌，并且低的一次比一次低的话，而在此时RSI并没有跌落，相反上涨，而且是一谷比一谷高，这就出现了RSI底背离。当RSI底背离出现时，意味着这一只股票向下调整即将到位，是建仓或者加仓的信号。
以上就是三种常见指标背离所代表的背后含义，建议大家把这几个指标结合起来多考虑一下，想要更准确地对股票进行买卖，必须这样做。同时，基本面也是在购入一只股票时不容忽视的因素，如果你连一家公司做什么、财务状况如何都了解不清楚，请慎重考虑自己的决定，相比技术面，基本面更加复杂、相关信息非常庞杂，因此交给专业人士是非常明智的选择，你可以点击下方链接输入股票名称，免费获取由投顾梳理，涵盖基本面诊断和技术面分析的个股报告：【个股分析】财报点评+K线分析，输入股票名称立即获取
应答时间：2021-09-25，最新业务变化以文中链接内展示的数据为准，请点击查看
3、rsi周线底背离
背离看一个指标就可以.日线MACD高位连续钝化后的调整，这个短调的低点在0轴上结束，属于强势.
需要关注日线MACD能否金叉,红柱的强度如何.
24.8的次高点产生了15分钟的强顶背离,30分钟也有柱背离产生，今天尾盘的上升是15分钟的柱背离引起,目前分钟周期全部是上行,但无法肯定这个调整结束了,因为底没有对应的背离结构产生。
可以观察5分钟线,目前是强势调整，如果上行产生5分钟顶背离，建议先减仓.
如果产生60分钟或日线顶背离或拒绝金叉，建议清仓.
这里肯定不是买点。
macd背离更准确些
当股价指数逐波下行，而dif及macd不是同步下降，而是逐波上升，与股价走势形成底背离，预示着股价即将上涨。如果此时出现dif两次由下向上穿过macd，形成两次黄金交叉，则股价即将大幅度上涨。
使用底背离需要注意的问题
在实践中，macd指标的背离一般出现在强势行情中比较可靠，股价在高价位时，通常只要出现一次背离的形态即可确认位股价即将反转，而股价在低位时，一般要反复出现几次背离后才能确认。因此，macd指标的顶背离研判的准确性要高于底背离，这点投资者要加以留意。
1，各种技术指标有效性并不相同，进行技术指标分析时，相对而言，用rsi与kdj的背离来研判行情的转向成功率较高。
2，指标背离一般出现在强势中比较可靠，就是价格在高位时，通常只需出现一次背离的形态，即可确认反转形态，而价格在低位时，一般要反复出现几次背离才可确认反转形态。
3，钝化后背离较为准确，若完全根据背离特征进行操作的话，常会带来较大的失误，这种情况特别容易出现在当价格出现暴跌或暴涨的走势时，kdj指标很可能呈高位或低位钝化后，该股价仍然出现上涨或下跌，实际上，这时候一旦出现背离特征有效性很高，特别是kdj指标结合rsi指标一起判断股价走向,kdj在判断底部与顶部过程中，具有较强的指向作用。
4，注意识别假背离，通常假背离往往具有以下特征：
某一时间周期背离，其他时间并不背离，比如日线图背离，而周线或月线图并不背离；
5、没有进入指标高位区域就出现背离，我们所说的用背离确定顶部和底部，技术指标在高于80或低于20背离，比较有效，最好是经过了一段时间的钝化。而在20～80之间往往是强势调整的特点而不是背离，后市很可能继续上涨或下跌；
6、某一指标背离而其他指标并没有背离，各种技术指标在背离时候往往由于其指标设计上的不同，背离时间也不同，在背离时候kdj最为敏感，rsi次之，macd最弱，单一指标背离的指标意义不强，若各种指标都出现背离，这是价格见顶或见低的可能性较大。
