【指标量化】压力支撑——RSRS阻力支撑相对强度指标

【压力支撑】RSRS阻力支撑相对强度市场择时指标

致初学者:
    大家好,我是一个马叉虫的宽客:Tao,从本期开始,我将为大家带来一系列的量化指标。众所周知,认识技术指标是作为一个从事二级市场必不可少的技能。相信开始对量化感兴趣的宽客们都有一两个自己擅长的技术指标,而对技术指标进行量化策略的构建是最简单最基本的量化实现,宽客们,通过本期学习,一起来实现并尝试改善专属于自己的技术指标吧!
研究基地及产出地
    DigQuant点宽网,全网唯一基于 MATLAB 的专业在线量化社区,“不是人人都能成为宽客”,成为宽客的你都是独特的!
     点宽网策略资源池全面开放216+基于MATLAB的量化投资策略,随你下载,任你玩!点宽量化策略研究平台auto-trader支持股票、期货、期权等多品种标的回测、实盘交易。
简介
    RSRS阻力支撑相对强度指标,压力支撑指标之一,该指标从支撑位与阻力位相对强度的变化对于未来市场状态的预测性角度挖掘其在市场择时上的应用。阻力支撑相对强度指标对于市场状态的改变敏感。滞后性低,相比于均线、MACD等有明显滞后性的技术指标,RSRS指标可以当作一种领先指标,对市场变化有预判效果。运用RSRS指标择时的一大优势即使能在市场即将牛熊转换时,提前离场,锁定收益。
参考文献
本策略基本用法
step1: 计算RSRS 斜率。
step2:如果斜率大于s1,则买入持有。本策略的 s1=1
step3:如果斜率小于s2,则卖出手中持股平仓。本策略的 s2=0.8
RSRS 斜率计算方法
step1:取前N 日的最高价序列与最低价序列,本策略的N=18;
step2:将两列数据按式(1)的模型进行OLS 线性回归。
step3:将拟合后的beta 值作为当日RSRS 斜率指标值。
策略代码

请到点宽策略资源池下载:【指标量化】压力支撑——RSRS阻力支撑相对强度指标

回测分析

一、回测设置:

1、回测标的:HS300
2、回测时间:20140101-20180101,共4年
3、初始资金:1千万
4、资金分配:40%流动资金均等分配给准备下单的股票。
二、回测结果:

权益曲线:

绩效分析:

结论:
1、RSRS 指标对于市场未来收益的择时效果显著,有较强预判市场顶底的能力。
2、由于大概率是左侧开仓平仓,因而具有在大熊市之前或前期迅速逃顶抽身锁定利润的优势;但同时也承担了开仓判断失误造成损失的风险。
3、配合均线或交易量相关性确认市场趋势,右侧开仓的策略有效弥补阻力支撑相对强度指标的不足,整体盈利能力强劲。在大牛市中能抓住大部分的趋势获得巨额收益。在震荡市场中也能有效抓取小上涨,避开小慢跌,从而在震荡中缓慢稳定盈利。

  • 3
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
RSRS量化交易公式是一种技术分析指标,用于预测股票价格的走势,其源码是一段程序代码,通过计算一定的数据指标来预测股票价格的涨跌。 RSRS量化交易公式源码的具体实现可能根据不同的开发工具和编程语言而有所不同。下面是一种可能的RSRS量化交易公式指标源码示例(以Python为例): ```python import numpy as np # 定义RSRS量化交易公式指标函数 def RSRS(data, n, m): close_prices = data['close'].values slope = np.zeros(len(close_prices)) intercept = np.zeros(len(close_prices)) # 计算每个时间点的斜率和截距 for i in range(n, len(close_prices)): x = np.arange(0, n) y = close_prices[i-n:i] slope[i] = (n * np.sum(x * y) - np.sum(x) * np.sum(y)) / (n * np.sum(x ** 2) - np.sum(x) ** 2) intercept[i] = (np.sum(y) - slope[i] * np.sum(x)) / n # 计算RSRS指标 RSRS_indicator = np.zeros(len(close_prices)) for i in range(n, len(close_prices)): RSRS_indicator[i] = close_prices[i] - (slope[i] * (i - n) + intercept[i]) # 返回RSRS指标 return RSRS_indicator # 根据RSRS指标进行交易信号的生成 def generate_signals(RSRS_indicator, threshold): signals = np.zeros(len(RSRS_indicator)) for i in range(len(RSRS_indicator)): if RSRS_indicator[i] > threshold: signals[i] = 1 # 买入信号 elif RSRS_indicator[i] < -threshold: signals[i] = -1 # 卖出信号 return signals # 使用示例 data = ... # 从数据源获取股票价格数据 n = 20 # 斜率计算的时间窗口 m = 250 # 截距计算的时间窗口 threshold = 0.05 # 交易信号的阈值 RSRS_indicator = RSRS(data, n, m) signals = generate_signals(RSRS_indicator, threshold) ``` 以上是一个简单的RSRS量化交易指标的计算和信号生成的源码示例,具体的使用方式和参数设定需要根据实际情况进行调整和适配。希望这能对你有所帮助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值