rsi update

Quant_Hiber_Risk_Stargy/src/signal/rsi_mtf.py

@@ -0,0 +1,88 @@
+from __future__ import annotations
+import pandas as pd
+import pandas_ta as ta
+
+class RSIMultiTimeframe:
+    def __init__(self, rsi_period: int = 14, low: float = 30, high: float = 70, mid: float = 50):
+        self.rsi_period = rsi_period
+        self.low = low
+        self.high = high
+        self.mid = mid
+
+    def compute_rsi(self, df: pd.DataFrame, tf_name: str) -> pd.Series:
+        # Trả về Series để tiết kiệm bộ nhớ thay vì DataFrame
+        return ta.rsi(df["close"], length=self.rsi_period).rename(f"rsi_{tf_name}")
+
+    def align_timeframes(
+        self,
+        df_m15: pd.DataFrame,
+        df_h1: pd.DataFrame,
+        df_h4: pd.DataFrame,
+    ) -> pd.DataFrame:
+        # Sắp xếp index để merge_asof hoạt động chính xác
+        df_m15 = df_m15.sort_index()
+        
+        # TÍNH RSI VÀ SHIFT 1 NẾN: 
+        # Việc shift(1) đảm bảo M15 chỉ sử dụng RSI của nến H1/H4 ĐÃ ĐÓNG HOÀN TOÀN
+        rsi_h1 = self.compute_rsi(df_h1, "h1").shift(1)
+        rsi_h4 = self.compute_rsi(df_h4, "h4").shift(1)
+        rsi_m15 = self.compute_rsi(df_m15, "m15") # M15 không shift vì ta coi như trigger tại giá đóng nến M15
+
+        # Merge H1
+        df = pd.merge_asof(
+            df_m15,
+            rsi_h1,
+            left_index=True,
+            right_index=True,
+            direction="backward",
+        )
+
+        # Merge H4
+        df = pd.merge_asof(
+            df,
+            rsi_h4,
+            left_index=True,
+            right_index=True,
+            direction="backward",
+        )
+
+        df["rsi_m15"] = rsi_m15
+        
+        # Bỏ qua các nến đầu tiên bị NaN do chưa đủ chu kỳ RSI
+        return df.dropna(subset=["rsi_h4", "rsi_h1", "rsi_m15"])
+
+    def classify(self, df: pd.DataFrame) -> pd.DataFrame:
+        df = df.copy()
+        
+        # Thêm vùng đệm (Buffer) 52/48 để tránh nhiễu tại vùng 50
+        df["trend"] = 0
+        df.loc[df["rsi_h4"] > 52, "trend"] = 1
+        df.loc[df["rsi_h4"] < 48, "trend"] = -1
+
+        df["bias"] = 0
+        df.loc[df["rsi_h1"] > 50, "bias"] = 1
+        df.loc[df["rsi_h1"] < 50, "bias"] = -1
+
+        # TRIGGER (M15) - Giữ nguyên logic Reversal của bạn vì nó rất tốt
+        df["rsi_prev"] = df["rsi_m15"].shift(1)
+        df["trigger_buy"] = (df["rsi_prev"] < self.low) & (df["rsi_m15"] >= self.low)
+        df["trigger_sell"] = (df["rsi_prev"] > self.high) & (df["rsi_m15"] <= self.high)
+
+        return df
+
+    def generate_signal(self, df: pd.DataFrame) -> pd.DataFrame:
+        df["signal"] = 0
+        # Mua khi: H4 Trend tăng + H1 Bias tăng + M15 RSI cắt lên từ vùng Oversold
+        buy_cond = (df["trend"] == 1) & (df["bias"] == 1) & df["trigger_buy"]
+        # Bán khi: H4 Trend giảm + H1 Bias giảm + M15 RSI cắt xuống từ vùng Overbought
+        sell_cond = (df["trend"] == -1) & (df["bias"] == -1) & df["trigger_sell"]
+
+        df.loc[buy_cond, "signal"] = 1
+        df.loc[sell_cond, "signal"] = -1
+        return df
+
+    def run(self, df_m15: pd.DataFrame, df_h1: pd.DataFrame, df_h4: pd.DataFrame) -> pd.DataFrame:
+        df = self.align_timeframes(df_m15, df_h1, df_h4)
+        df = self.classify(df)
+        df = self.generate_signal(df)
+        return df