RSI因子

由small_q创建，最终由small_q更新于2024-11-28 07:55 被浏览 49 用户

惊喜彩蛋

RSI因子也能做指数增强策略。

因子原理

RSI是一个用来判断股票或其他资产是否被过度买入或过度卖出的指标。想象一下，如果你在商场里看到一件衣服，大家都在抢购，价格已经涨到天上去了，那这件衣服就“过度买入”了。同样的道理，如果没人关注某个打折的衣服，甚至都没人想买，那它就“过度卖出”了。

RSI的计算方式有点复杂，它是根据一定时间内的平均涨幅和平均跌幅来计算的。具体来说，我们通常用14天的时间框架来做计算。

计算平均涨幅：在14天内，所有上涨的日子，取它们的涨幅的平均值。
计算平均跌幅：同样，在这14天内，所有下跌的日子，取它们的跌幅的平均值。
计算RS：将平均涨幅除以平均跌幅。
计算RSI：

它的数值范围从0到100，通常来说：

RSI<20时，个股被认为是“过度卖出”, 这时股价反弹的几率变大;

RSI>80时，个股被认为是“过度买入”，这时股价反弹的几率变小。

所以直观上看RSI指标越小越好，这也仅是直观上，我们需要使用多个样本（多只股票）来验证这一思想。

因子构建与分析

因子构建：这个因子在BigQuant上已经构建好了，可以直接调用

sql = """
SELECT 
    date, 
    instrument, 
    m_ta_rsi(close,6) AS factor
FROM cn_stock_bar1d
QUALIFY COLUMNS (*) IS NOT NULL
ORDER BY date, instrument
"""

我们将因子按照值从小到大进行排序、分组（0为最小的一组，9为最大的一组）。
最后通过因子分析框架，进行因子的分组统计累计收益（详见最后的因子分析源码）。

因子分析结论：RSI并不具有单调性。在第五组的收益率是最高的，说明RSI指标的收益率分布是一个钟形分布，即RSI不能一味的低或高。那么我们可以利用**“RSI中间值收益最高“**的这一特性来开发单因子策略。

新因子构建

为了验证我们的因子分析结论，我们要对rsi指标进行二次构建，形成新的RSI指标-RSI'。

x为rsi指标, x_bar为指标的截面平均数，这样处理的y值有一个特性，就是RSI最大值和最小值处于同一水平：

横坐标为原始的RSI取值, 纵坐标为二次加工后的因子值-RSI'，也就是说不管是超卖还是超买状态(两个红色区域)，作用在这个变换下都会处于同一水平(橙色区域)。根据单因子分析，我们需要的票处于RSI中间水平,在图中表示为黄色区域。

策略构建

计算RSI并采用平方函数二次加工RSI‘;
将RSI'从小到大排序；
月初调仓，每次买入RSI'最小的五支票。

可以发现经过二次加工的RSI因子做成的单因子策略也有13%的年化，我们的基准收益率是沪深300的累计收益曲线，曲线在一定程度上是负相关的关系, 所以该策略大概率是小盘股策略。我们将基准换小市值（中证1000），走势极其相似，并且收益超越了中证1000的走势，该策略可以作为一个中证1000指增策略来使用。

策略源码

https://bigquant.com/codesharev3/1bde68c8-e235-4bc8-acd3-f3eff584e9e7

因子分析源码

https://bigquant.com/codesharev3/151747e3-eecf-4a51-90ce-72abc87dfc73