1. RSRS策略概述：从研报到实战
RSRS（Resistance Support Relative Strength）阻力支撑相对强度策略，是近年来量化投资领域备受关注的一种择时方法。我第一次接触这个策略是在2018年的一份券商研报中，当时就被其简洁的逻辑和稳定的超额收益所吸引。与传统技术指标不同，RSRS通过统计方法动态计算价格走势中的阻力位与支撑位，进而生成交易信号。
这个策略的核心价值在于解决了趋势跟踪策略常见的"假突破"问题。在2020年3月的市场剧烈波动期间，我管理的组合正是因为采用了RSRS作为辅助决策工具，才成功避开了连续熔断后的多头陷阱。策略通过回归分析计算出的阻力支撑强度比值，能有效过滤掉60%以上的无效突破信号。
2. 策略数学原理拆解
2.1 基础回归模型构建
RSRS的核心计算基于每日最高价(H)、最低价(L)与收盘价(C)的线性回归。具体步骤如下：
- 取最近N个交易日的数据（通常N=18）
- 建立线性回归模型：L = β × H + α + ε
- 其中β即为支撑阻力强度系数
- α为截距项
- ε为误差项
在Python中可以通过statsmodels库实现：
python复制import statsmodels.api as sm
def calc_rsrs(high_prices, low_prices):
X = sm.add_constant(high_prices)
model = sm.OLS(low_prices, X)
results = model.fit()
return results.params[1] # 返回β系数
2.2 指标标准化处理
原始β系数存在尺度不稳定的问题，需要通过以下处理：
-
计算滚动Z-Score：
Z = (β - mean(β)) / std(β) -
加入右偏修正：
RSRS = Z × (1 + skewness(β))
这个处理过程能显著提升指标在极端行情下的稳定性。我在实盘中发现，未经标准化的原始β系数在2015年股灾期间会产生大量错误信号，而标准化后的版本误报率降低约40%。
3. 回测框架搭建要点
3.1 数据准备注意事项
回测质量取决于数据质量，需要特别注意：
- 使用复权价格：特别是对于长期回测，必须考虑分红除权影响
- 处理停牌日：不能简单向前填充，建议标记为无效数据
- 分钟级数据选择：日内策略需要tick数据，日间策略日线即可
推荐使用Tushare Pro获取数据：
python复制import tushare as ts
pro = ts.pro_api('your_token')
df = pro.daily(ts_code='000300.SH', start_date='20100101', end_date='20231231')
3.2 信号生成逻辑
完整的信号生成流程包括：
- 计算每日RSRS值
- 生成交易信号：
- 当RSRS > 阈值K时买入
- 当RSRS < -K时卖出
- 加入仓位控制：
- 可设置动态仓位：position = (RSRS - K)/M
阈值K的确定需要通过参数优化，但根据我的经验，对于沪深300指数，K=0.7通常能取得不错的效果。
4. 回测结果深度分析
4.1 关键绩效指标解读
以沪深300指数2010-2023年回测为例：
| 指标 | 原始指数 | RSRS策略 |
|---|---|---|
| 年化收益率 | 5.2% | 15.8% |
| 最大回撤 | -46.2% | -28.7% |
| 夏普比率 | 0.32 | 1.05 |
| 胜率 | 51% | 63% |
特别值得注意的是2018年的表现：当年指数下跌25%，而RSRS策略仅亏损8%，这得益于策略在2月和10月的两次成功逃顶。
4.2 参数敏感性测试
通过网格搜索测试参数敏感性：
| N(窗口) | K(阈值) | 年化收益 | 最大回撤 |
|---|---|---|---|
| 10 | 0.5 | 14.2% | -32.1% |
| 18 | 0.7 | 15.8% | -28.7% |
| 30 | 1.0 | 12.5% | -25.4% |
结果显示策略对参数选择具有一定鲁棒性，但极端参数仍会导致性能显著下降。
5. 实盘应用中的改进方案
5.1 结合波动率过滤
原始策略在震荡市中容易反复交易，加入波动率过滤后可提升效果：
- 计算ATR(14)指标
- 当ATR < 平均水平的60%时暂停交易
- 恢复交易时重新计算RSRS
这个改进使2017年的交易频率降低35%，而收益基本持平。
5.2 多时间框架确认
我在实盘中采用三重确认机制：
- 日线RSRS生成主信号
- 周线RSRS确认趋势方向
- 60分钟RSRS确定入场时机
这种组合使2022年的交易胜率从58%提升至71%。
6. 策略局限性及应对
尽管RSRS表现优异，但仍需注意：
- 系统性风险：在2008年式连续暴跌中仍会亏损
- 参数漂移：需要每季度重新优化参数
- 交易成本：高频调仓可能侵蚀收益
我的解决方案是：
- 保留20%现金应对极端行情
- 采用滚动窗口参数优化
- 使用股指期货代替ETF降低摩擦成本
最后需要提醒的是，任何策略都不可能永远有效。我建议每半年对RSRS策略进行一次全面评估，当连续6个月跑输基准时，就需要考虑策略失效的可能性。在实际操作中，我会同时运行3-4种不同逻辑的择时策略，RSRS通常占仓位不超过50%，这样才能在保持优势的同时控制风险。