RSRS指标与个股与指数差异分析 [page::3][page::4]

• 价格数据的可靠性、及时性和代表性在个股与宽基/行业指数间存在显著差异，影响RSRS指标的有效性。

- 市值大小对RSRS指标预测能力有显著影响，沪深300成分股表现出未来收益与RSRS正相关，小市值股票则呈负相关。

去极值及截面标准化提升RSRS指标有效性 [page::5][page::6]

• 通过截面去极值处理，剔除极端异常值使得RSRS指标与未来20日收益均呈显著正相关。

- 但做截面标准化后，特别是小市值股票未来收益与RSRS指标呈显著负相关，反映不同时间截面和时间序列的预测关系。


| 截面标准差值域范围 | 全A剔除沪深300 | 沪深300成分股 |
|--------------------|-----------------|----------------|
| 全值域 | -0.743 | -0.189 |
| [-1.5, 1.5] | -0.357 | 0.226 |

RSRS指标在中小市值选股中的应用及市场状态细分 [page::7][page::8][page::9]

• 将去极值后按RSRS指标分组测试，RSRS值越小分组收益越高。

- 结合成交量异动与前期涨幅细分市场状态发现，“加速下跌且量未异动”股票未来表现优，且与“上涨乏力且放量”形成对比。

• 多头组合年化收益35.63%，夏普0.92，最大回撤66.33%；空头组合表现逊色明显。

| 年化收益 | 前月超跌涨幅居中 | 前月超涨 |
|-------------------|-----------------|----------|
| 缩量异动 | 23.75%, 24.68% | 18.43% |
| 正常量 | 35.63%, 28.29% | 20.24% |
| 放量异动 | 25.39%, 22.30% | 4.75% |

不同成交量异动与前期涨幅定义及权重方式比较 [page::10][page::11]

• 各种成交量与涨幅定义对多头组合绩效均有一定影响，成交量异动算法1+前期涨幅算法2效果最佳。

- 等权与行业中性策略均显著跑赢中证500，等权策略表现更为优秀，行业中性则波动率和最大回撤较低。



| 统计量 | RSRS等权 | RSRS行业中性 | RSRS等权/中证500 | RSRS行业中性/中证500 |
|------------------|-----------|--------------|------------------|---------------------|
| 年化收益率 | 25.24% | 17.27% | 15.27% | 7.94% |
| 波动率 | 44.24% | 41.47% | 11.12% | 6.44% |
| 夏普比率 | 0.735 | 0.595 | 1.356 | 1.236 |
| 最大回撤 | 66.52% | 66.91% | 7.95% | 5.04% |

样本外及全样本表现验证 [page::12][page::13]

• 样本外（2014-2017）RSRS选股策略持续有效，等权策略年化33.8%，夏普0.916，最大回撤32.2%。

- 全样本2007-2017年间，策略整体表现稳定，每年大多数时间超越基准。

| 统计量 | RSRS等权 | RSRS行业中性 | RSRS等权/中证500 | RSRS行业中性/中证500 |
|----------------|----------|--------------|------------------|---------------------|
| 年化收益率 | 33.80% | 26.37% | 16.93% | 10.43% |
| 波动率 | 38.00% | 35.20% | 15.28% | 12.89% |
| 夏普比率 | 0.916 | 0.801 | 1.068 | 0.803 |
| 最大回撤 | 32.20% | 31.58% | 13.24% | 14.53% |

RSRS在大市值选股的策略构建与表现 [page::14][page::15][page::16][page::17]

• 选取沪深300成分股高RSRS值组，结合成交量与涨幅细分市场状态，发现“下跌见底配合量未异动”和“震荡上探配合放量异动”两组表现最佳。

- 两种多头组合在样本内表现各有优势，结合构建混合策略提升稳健性和收益表现。

• 样本外策略年化收益33.75%，夏普1.19，最大回撤24.26%，相对沪深300超额收益17.5%。

| 统计量组合 | 组合一 | 组合二 | 大市值选股策略 |
|----------------|----------|-----------|-----------------------|
| 年化收益率 | 6.41% | 6.69% | 7.34% |
| 波动率 | 20.72% | 17.32% | 15.62% |
| 夏普比率 | 0.398 | 0.459 | 0.530 |
| 最大回撤 | 29.46% | 32.83% | 20.43% |

阻力支撑相对强度（RSRS）选股报告详尽分析

---

一、元数据与报告概览

报告标题: 阻力支撑相对强度（RSRS）选股 - 技术指标系列报告之三
作者: 刘均伟（执业证书编号：S0930517040001）
发布机构: 光大证券研究所
发布日期: 2017年（报告中无具体发布日期，但引用时间数据截止至2017年）
联系方式: liujunwei@ebscn.com，联系人周萧潇（zhouxiaoxiao@ebscn.com）
研究主题: 本报告为RSRS技术指标系列的第三篇，聚焦于RSRS指标在股票选股上的应用。前两篇报告主要探讨RSRS在指数择时和行业轮动上的效果，本文延续思路，深入挖掘RSRS在个股层面尤其是不同市值股票的选股策略价值与表现。
核心论点: RSRS指标通过分析最高价和最低价序列的相对强弱动态刻画阻力/支撑位，具备较好的市场涨跌预测能力。其在指数层面表现优异，但在个股层面受市值和数据特征影响存在差异，经过去极值及截面标准化处理后，指标在不同市值股票集均表现出预测未来收益的显著相关性。特别提出针对中小市值与大市值股票设计的两类基于RSRS的选股策略，均取得优于市场基准的显著超额收益。
策略业绩亮点:

• 中小市值策略样本外年化收益高达33.80%，夏普比率0.916，最大回撤32.20%

- 大市值策略样本外年化收益33.75%，夏普比率1.19，最大回撤24.26%
两者均实现对相应市场基准（中证500或沪深300）的显著超额收益，且具有稳健的风险调整表现。[page::0] [page::3]

---

二、逐节深度解读

2.1 RSRS指标原理及应用差异

• RSRS指标概念: 以最高价和最低价序列作为阻力位和支撑位的代理，结合线性回归模型计算两者波动的相对强度，得出阻力支撑相对强度RSRS值，用以预测未来市场走势。

- 指数与个股差异: 指数具有更高的价格可靠性、及时性和代表性，适合RSRS指标的应用；而个股，尤其是中小市值股票，在这三个方面经常不足，导致RSRS在个股上的预测效果初期存在弱化甚至负相关性。[page::3]

表1显示：
| 维度 | 指数 | 个股 |
|--------|----------------|----------------|
| 可靠性 | 价格更真实有效 | 价格更易被操纵 |
| 及时性 | 极少涨跌停 | 易受涨跌停限制 |
| 代表性 | 受众广泛 | 受众有限 |

该表明确指出价差对RSRS预测精度的影响机制。[page::3]

---

2.2 去极值处理的重要性

• 原因: 个股数据的RSRS值域大幅拓宽（[-5,7]），远超过指数的范围([-3,3])，极端RSRS值往往是异常价格波动、突发事件导致。

- 方法: 采用截面去极值，每日对所有股票RSRS值计算均值和标准差，剔除超过均值±1.5倍标准差的极值股票，剔除比例约为13%。

• 效果: 去极值后，无论大小市值，RSRS与未来20日收益表现出明显的正相关性，且值域收敛至[-2.5,3]范围。

图3 & 图4对比去极值前后RSRS与未来收益的关系显著改善，体现处理极值的合理性和必要性。[page::4] [page::5]

---

2.3 RSRS指标截面标准化处理及截面与时间序列视角差异

• 问题: 去极值前后，RSRS与未来收益的相关性呈现“矛盾”：去极值前负相关，去极值截面标准化后转为正相关。

- 分析: 由于原始图表将时间和股票池双维度数据一维压缩误导解读；截面去极值和标准化是在时间截面上的分组处理，使不同时间样本的RSRS值得以可比。

• 方法: 计算每个时间截面股票RSRS均值与标准差，将每只股票RSRS值标准化，得截面标准分。

- 结果:
- 小市值股票截面标准分与未来收益显著负相关，相关系数高达-0.743
- 沪深300成分股相关系数较弱，为-0.189
- 在截面标准分[-1.5,1.5]范围内，小市值负相关性减弱为-0.357，大市值转为正相关0.226

图5 & 图6和表2数据佐证上述分析，体现出RSRS指标在不同视角的复杂表现，提示选股策略设计要充分考虑此差异机制。[page::5] [page::6]

---

2.4 小结

报告首章总结以下结论：

1. 个股与指数在数据特性（可靠性、及时性、代表性）上有显著差异，影响RSRS指标有效性。

2. 经去极值处理，RSRS与未来收益在时间序列层面呈显著正相关。

1. RSRS指标截面标准化后，未来收益与RSRS呈现截面层面的显著负相关性（尤其在小市值股票中）。

后续构建的选股模型将重点利用第三条结论展开。[page::6]

---

三、RSRS在中小市值选股中的具体应用

3.1 RSRS去极值后的分组表现

• 将股票每日RSRS值去极值后，按值大小分为五组，月度调仓，剔除极值组。

- 结果显示表现单调性良好：RSRS值越小的分组，净值越高。

• 极值组表现较差，进一步证实去极值的必要。[图7][page::7]

3.2 基于RSRS对应市场状态的细分选股策略

• 市场状态识别:

RSRS值极低对应以下三种典型股价状态：
- 上攻乏力（高位放量滞涨）
- 震荡中偏下轨波动多
- 加速下跌（无量下跌）

• 技术分析逻辑:

- 加速下跌且量未异动通常预示止跌反弹可能较大
- 上涨乏力且放量可能见顶风险加剧

• 量价指标辅助分组: 根据成交量异动（z-score法划分3组）与前20日涨幅（3组）细分策略。
• 表3数据结果: 加速下跌且成交量未大幅异动组表现最佳，年化收益最高达35.63%，夏普比率0.92，最大回撤66.33%；而上涨乏力放量组表现最差，年化收益仅4.75%。[page::8]

3.3 多头、空头组合净值表现比较

• 选定“低RSRS值+超跌+量未异动”的股票做多头，反向选择做空头。

- 多头组合明显跑赢空头组合，策略有效性得到体现。[图10][page::9]

3.4 定义方法与加权策略测试

• 测试不同成交量异动和前期涨幅计算方式对策略表现影响，结果不同策略均表现良好，部分定义组合表现更优。

- 对加权方式进行对比，采用中证500行业中性加权和等权重两种方式，各有优劣。

• 等权重策略长期回报高于行业中性策略，但波动率及最大回撤相对也略大。[图11-13][page::10] [page::11]

3.5 样本外与全样本表现

• 样本外2014-2017年期间，策略延续稳定表现：等权策略年化收益33.8%，超额收益16.93%；行业中性26.37%，超额10.43%。

- 全样本11年累计策略表现优秀，覆盖行业逐渐增加，持股数逐步增长，并未完全覆盖所有行业，行业覆盖率约80%。[图14-15，表4-7][page::11] [page::12] [page::13]

---

四、RSRS在大市值选股中的应用

4.1 策略构建与市场状态区分

• 大市值选股以沪深300成分股为池，RSRS截面标准分在[-1.5,1.5]区间，选取指标值最大分组股票。

- 该组股票典型状态包括：
- 加速上涨
- 震荡中上攻多
- 下跌见底

• 成交量异动与前期涨幅细分创新:

- 与小市值相反，下跌见底下若伴随着缩量，未来表现反而较差。
- 表现优异的分组为“下跌见底量未异动”和“震荡上探配合放量”两类。

• 逻辑解释:

- 震荡上探+放量组股票，因存在向上突破趋势可能及成交量支持，表现良好。
- 下跌见底+无量异动组股票，具备较平稳过渡新上升周期的条件。

• 表8展示各组收益、夏普、回撤指标，数据支撑上述分类。[page::14]

4.2 多头组合表现及组合优化

• 分别研究上述两类多头组合表现（图16-17），表现路径不同：

- 组合一（下跌见底+量未异动）：牛市超额表现显著，熊市及震荡市表现较差。
- 组合二（震荡上探+放量）：牛市表现一般，熊市及震荡市中稳定超额收益。

• 两组合超额收益相关性较低(约0.35)，合并有望实现风险分散及收益提升。

- 合并组合在样本内表现优于各单一组合，指标显示年化收益、夏普均优，波动率与回撤则均较低（表9，图18）。[page::15][page::16]

4.3 样本外表现验证

• 2014-2017年样本外验证显示策略持续展现优异表现，年化收益33.75%，夏普1.19，最大回撤24.26%。

- 相较于沪深300同期13.83%收益及40.56%回撤，策略实现约17.5%年化超额收益，且回撤显著降低。

• 持股数较稳定，月均12-14只，策略较为集中且稳定。[图19，表10-12][page::16][page::17][page::18]

---

三、图表深度解读

| 图表编号 | 内容描述 | 主要发现与解读 | 关联文本与结论 |
|----------|------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------|------------------------------------------------------------------------|
| 图1-2 | RSRS指标与未来20日收益的关系（不同市值股票） | 大股票（沪深300）表现为未来收益与RSRS正相关；小市值则负相关，显示初始数据质量与特征差异显著 | 个股与指数差异分析，说明市值是RSRS有效性差异主要驱动因素 [page::4] |
| 图3-4 | 剔除极值后两类股票RSRS与收益的正相关性明显 | 极端值剔除后，各级股票均表现为RSRS与未来收益正相关，极值剔除对稳定性贡献极大 | 去极值步骤及其重要性，提升选股信号质量 [page::5] |
| 图5-6 | RSRS截面标准化处理后相关性改变，尤其对小市值呈负相关 | 说明RSRS指标在横截面对比时特性不同，暗示时间截面与时间序列对RSRS的解释或不同 | 截面标准化带来大量解读细节和策略构建逻辑 [page::6] |
| 图7 | 中小市值股票按RSRS值排序的涨跌走势图（去极值后） | RSRS越小组表现越好，确认了负相关关系，极值组表现较差，加强了策略对极值的筛选必要性 | 核心选股策略表现单调，降低极端风险 [page::7] |
| 图8-9 | 示范加速下跌未放量与上涨顶代放量两种成交量对应价格走势的技术形态 | 佐证成交量异动在分组时的判断依据，体现趋势性质与成交量配合的市场认知 | 精细分类细节与理性假设推导 [page::8] |
| 图10-13 | 多头空头组合表现比较与不同指标定义、加权方式对策略的影响 | 多头组合明显跑赢空头；不同成交量与涨幅算法定义差异影响存在但均有效；行业中性策略稳定性更高，等权策略绩效高但波动略大 | 策略稳定性、参数敏感性与业务可行性分析 [page::9][page::10][page::11] |
| 图14-15 | 中小市值样本外策略表现与持股量及行业覆盖趋势 | 样本外验证优异，持股数量和行业覆盖度逐渐增加，策略股票集中度适中，未覆盖所有行业，可能限制行业中性策略表现 | 策略的外部有效性与行业分散度限制[page::12][page::13] |
| 图16-18 | 大市值两类选股组合样本内表现及组合表现优于其单独表现对比沪深300 | 组合一侧重牛市表现，组合二稳健于震荡熊市，两组合合并，风险调整后表现优，最大回撤显著降低 | 大市值策略细分合理性与组合策略收益稳健性[page::15][page::16] |
| 图19-20 | 大市值样本外表现及持股数量分布 | 策略在样本外依然优异，持股数目稳定，说明策略在实际运作中的持续性与稳定性 | 长期表现验证和运作风险控制[page::17][page::18] |

---

四、估值分析

报告主要聚焦于RSRS指标构建的选股策略，无直接传统估值方法论（如DCF、市盈率倍数等）。评价指标主要为策略运行绩效指标：年化收益率、夏普比率、最大回撤、相对基准的超额收益及信息比率。指标输入基于历史回测数据，策略并未明显说明涉及估值假设，重点为统计学和技术指标信号驱动的量化选股模型。

---

五、风险因素评估

报告未专门章节列出显性风险清单，但可从内容暗知及业务环境推断风险点：

• 数据质量风险： 个股市场价格受操纵与涨跌停限制，影响RSRS有效性

- 模型风险： RSRS指标基于特定假设和历史统计相关性，市场结构变动可能削弱效果

• 流动性风险： 中小市值和部分行业股票流动性不足可能影响买卖执行

- 交易成本与回撤风险： 最大回撤最大可达到60%以上，交易成本双边0.6%对策略收益有显著侵蚀

• 市场环境适用性风险： 选股策略表现依赖不同牛熊市阶段，表现波动较大

- 策略参数敏感性： 不同成交量和涨幅的定义对策略表现有影响，参数设定需谨慎

报告未明确提出缓解措施，但通过去极值、截面标准化、组合分散策略进行一定风险控制。[page::4] [page::5] [page::9] [page::16]

---

六、批判性视角与细微差别

• 报告严格基于历史数据回测验证策略有效性，但缺乏对未来市场结构变化可能引发策略失效的反思。

- 对于极值和截面标准化处理，虽然是有效的去噪手段，但可能也剔除了部分潜在快速暴涨机会，策略可能偏向稳健而非激进。

• 中小市值策略关联最高成交量、流动性与前期涨跌的定义和算法，会对策略表现带来波动，后续投放需进行实时参数优化。

- 大市值选股中部分观点与传统观念有异（如下跌见底缩量表现较差），说明模型仍需结合场景验证，避免过度拟合历史样本。

• 组合策略虽然降低组合风险，但仍存在较高最大回撤（一般超过20%），需投资者有较强风险承受能力。

- 报告将RSRS视为“阻力/支撑相对强度”核心，但其中线性回归模型核心机制、计算细节未完全揭示，影响复制和理解门槛。

总体而言，报告保持较专业客观态度，基于实证数据分析，但因是量化模型报告，依赖历史，须谨防历史表现不代表未来。[page::6] [page::14]

---

七、结论性综合

综合全文，RSRS指标作为一种基于最高价与最低价序列分析阻力与支撑相对强度的技术指标，具有鲜明的理论逻辑及实证支持。报告详尽说明了RSRS指标在指数层面表现优异，但直接应用于个股受市值、流动性及数据特性限制，需要通过去极值和截面标准化等技术手段加以修正。

• 中小市值股票选股策略

利用RSRS值最低组结合成交量异动和前期涨跌细分，识别加速下跌未放量的优质股票，多头组合在样本内外均表现优异，样本外年化收益33.8%，夏普比率0.916，远超基准指数中证500，并保持较稳定的行业覆盖和持股数量，展现良好的通用性与实用性。

• 大市值股票选股策略

以沪深300成分股为池，聚焦RSRS指标截面标准分最大组，通过成交量与涨跌划分出两类表现优异的多头组合（“下跌见底无量异动”和“震荡上探放量”）。两组合表现互补合并后在样本内、外均展现优异风险调整收益，样本外年化收益33.75%，夏普比率1.19，最大回撤显著低于沪深300，表现极具竞争力。

• 策略优势与创新

本报告首次系统探索RSRS指标在选股层面的应用，并针对不同市值股票，分别设计细化策略，精细利用成交量和前期涨跌辅助判断，防止指标失效。该量化因子新颖且解释逻辑清晰，同时通过历史样本证明策略具有较强的预测能力和选股效率。

• 风险提示

市场环境多变，策略依赖历史表现，需警惕未来市场数据结构变迁导致模型失效。交易成本和最大回撤水平不容忽视，投资者应结合自身风险偏好审慎应用。策略参数及定义细节对选股效果有一定敏感性，实际应用需进行动态优化调整。

总结: 本报告通过严谨的统计分析和丰富的实证检验，证明了基于阻力支撑相对强度的RSRS技术指标，配合去极值处理及截面标准化，在股票选股领域尤其是中小市值与大市值两大流动性层级股票池中，均能构建出优于市场基准的稳定有效选股策略。该研究不仅拓展了RSRS指标的适用空间，同时为投资者提供了切实可行的量化选股模型，具有较高的研究及实务价值。[page::0] [page::3-18]

---

附录：主要图表展示示例

图7：RSRS去极值后按大小排序分组选股净值（中小市值）



图10：多头组合与空头组合净值表现对比（中小市值）



图14：样本外表现（中小市值）



图16：样本内多头组合策略表现（大市值）



图18：大市值策略相对沪深300表现



图19：样本外表现（大市值）



---

通过上述分析，光大证券RSRS系列选股研究报告内容详实，数据充分，结构完整，量化技术先进，适合量化投资及技术派投资者深入研究和参考。

报告