在股市预测领域，预测性分析和深度神经网络被广泛用于预测股价。然而，股价在连续期间内的变化通常较为接近，直到发生大幅下跌。股市通常设有涨跌停板限制。因此，如果使用例如长短期记忆网络（LSTM）来处理日级别的股价数据，它可能仅仅是一个滞后指标。
所谓的滞后指标，顾名思义，是指落后于当前股价的指标，即回顾性指标。最常见的例子是简单移动平均线。许多交易策略同时使用滞后指标和领先指标来做出买卖决策。
布林带本质上是证券的平均价格及其95%置信区间，意味着95%的时间里证券价格保持在这个区间内。图表显示了BAJAJ FINANCE（NSE）的股价以蜡烛图的形式。蜡烛图的主体表示“开盘”和“收盘”价格，而烛芯代表当天的“最低”和“最高”价格。一根蜡烛代表一天。绿色蜡烛意味着股价在开盘后上涨，即当天的收盘价高于开盘价。
黑色线条是20日平均价格，而带状区域是95%置信区间，也称为布林带。布林带交易策略如下：
完整的Python代码示例可以在这里找到。
# 假设有一个名为calculate_bollinger_bands的函数
# 该函数接受收盘价数组和窗口大小作为参数
def calculate_bollinger_bands(closing_prices, window_size):
# 计算移动平均
moving_average = sum(closing_prices[-window_size:]) / window_size
# 计算标准差
std_dev = (sum((x - moving_average) ** 2 for x in closing_prices[-window_size:]) / window_size) ** 0.5
# 计算布林带
upper_band = moving_average + (std_dev * 2)
lower_band = moving_average - (std_dev * 2)
return moving_average, upper_band, lower_band
相对强弱指数（RSI）是一种动量指标，用于技术分析，通过衡量近期价格变化的幅度来发现股票、货币或商品价格中的超买或超卖情况。RSI是一个振荡器（一个在两个极端之间移动的线图），其值可以在0到100之间。该指标最初由J. Welles Wilder Jr.在1978年的著作《技术分析新概念》中介绍。
图表显示了使用蜡烛图的价格和RSI线图在下方。RSI交易策略如下：
完整的Python代码示例可以在这里找到。
# 假设有一个名为calculate_rsi的函数
# 该函数接受收盘价数组和周期作为参数
def calculate_rsi(closing_prices, period):
delta = [closing_prices[i] - closing_prices[i - 1] for i in range(1, len(closing_prices))]
up, down = 0, 0
for i in range(len(delta)):
if delta[i] > 0:
up += delta[i]
elif delta[i] < 0:
down -= delta[i]
avg_gain = up / period if up else 0
avg_loss = down / period if down else 0
rs = avg_gain / avg_loss if avg_loss else 0
rsi = 100 - (100 / (1 + rs))
return rsi