Tutorial: RSI zones (Пример 5) — смена стратегии детекции

🎯 Цели

Реализовать pipeline из Примера 5: RSI через talib (см. документацию)
Показать, как переключаться между threshold и line_crossing без пересчёта индикатора
Сравнить контекст и распределение зон после смены стратегии

🔧 Предварительные требования

pip install bquant talib-binary (или установленный TA-Lib)
Набор данных с колонками OHLCV (используем sample tv_xauusd_1h)
Понимание логики порогов RSI

📥 Подготовка данных

from bquant.data.samples import get_sample_data

df = get_sample_data('tv_xauusd_1h')

🛠️ Шаг 1. Базовый threshold-подход

Следуем конфигурации из Примера 5: рассчитываем RSI через talib и применяем стратегию threshold с уровнями 70/30.

from bquant.analysis.zones import analyze_zones

rsi_threshold = (
    analyze_zones(df)
    .with_indicator('talib', 'rsi', timeperiod=14)
    .detect_zones('threshold', indicator_col='RSI', upper_threshold=70, lower_threshold=30)
    .analyze(clustering=True)
    .build()
)

print(f"Threshold zones: {len(rsi_threshold.zones)}")
print(rsi_threshold.statistics['zone_distribution'])

♻️ Шаг 2. Переключение стратегии без пересчёта индикатора

ZoneAnalysisResult возвращает DataFrame с уже рассчитанным RSI в поле data. Сохраним его и построим сигнал для сравнения линий.

# Извлекаем DataFrame с RSI (он уже содержит колонку 'RSI')
rsi_data = rsi_threshold.data.copy()
rsi_data['RSI_signal'] = rsi_data['RSI'].rolling(5, min_periods=1).mean()

Теперь перезапускаем pipeline только со стадией детекции, используя line_crossing. Эта стратегия сопоставляет RSI и его сглаженную версию и позволяет обнаруживать смены тренда.

rsi_line = (
    analyze_zones(rsi_data)
    .detect_zones('line_crossing', line1_col='RSI', line2_col='RSI_signal', min_duration=3)
    .analyze(clustering=True)
    .build()
)

print(f"Line-crossing zones: {len(rsi_line.zones)}")
first_ctx = rsi_line.zones[0].indicator_context
print(first_ctx['detection_strategy'])  # 'line_crossing'
print(first_ctx['signal_line'])          # 'RSI_signal'

Сравнение результатов

print("Threshold win-rate:", rsi_threshold.statistics.get('win_rate'))
print("Line crossing win-rate:", rsi_line.statistics.get('win_rate'))

📊 Визуализация смены стратегии

Для быстрой проверки используем встроенную визуализацию.

# Threshold контекст
threshold_fig = rsi_threshold.visualize('overview', title='RSI Threshold Zones')
threshold_fig.show()

# Line crossing контекст
line_fig = rsi_line.visualize('overview', title='RSI Line Crossing Zones')
line_fig.show()

💡 При необходимости можно вызвать visualize('detail', zone_id=...), чтобы сравнить структуру конкретной зоны до и после смены стратегии.

✅ Лучшие практики

Переиспользуйте данные — работайте с result.data, чтобы не пересчитывать индикаторы при экспериментировании со стратегиями.
Логируйте контекст — сохраняйте zone.indicator_context в отчёты, чтобы понимать, какие правила сработали в каждом запуске.
Подбор параметров — используйте разные окна для RSI_signal (3–7 баров), чтобы регулировать чувствительность line_crossing.
Комбинируйте стратегии — начните с threshold, чтобы отфильтровать экстремумы, затем запускайте line_crossing для уточнения точек выхода.

🚀 Что дальше

Добавьте CombinedRulesDetection с дополнительным условием по объёму.
Подготовьте backtest: сохраните rsi_line.zones и прогоните через торговый симулятор.
Изучите examples/02a_universal_zones.py для дополнительных сценариев работы с RSI.