python搭建量化交易策略（Python量化交易利用Tushare数据之三）

python搭建量化交易策略（Python量化交易利用Tushare数据之三）2）. 市场变化及时抓：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。1）. 阻力支撑新视角：有别于传统中对于阻力位与支撑位的定值应用，从变量的角度来探索它们对于未来市场涨跌预测性的价值。通过定义阻力支撑相对强度的概念，设计出对未来市场收益有显著预测性的技术指标。RSRS右偏标准分指标与市场未来2周收益率的相关系数高达75%。常见的确定阻力支撑位的方法有，布林带上下轨突破策略（突破上轨建仓买入，突破下轨卖出平仓）和均线策略（如超过20日均线建仓买入，低于20日均线卖出平仓）。然而，布林带突破策略在震荡期间出现了持续亏损，均线策略交易成本巨大，且在震荡期间的回撤很大。阻力支撑相对强度(Resistance

一、 概述

本篇基于光大证券研报《基于阻力支撑相对强度(Resistance Support Relative Strength，简称RSRS）的市场择时》，从支撑位与阻力位相对强度的变化对于未来股票行情状态进行预测，并通过Python编程对Tushare获取的基础数据进行量化分析，为选股提供一定的数据依据。

二、 阻力支撑相关概念2.1 阻力位

阻力位是指股票价格上涨时可能遇到的阻力，也就是所谓的瓶颈，导致其继续上涨失败甚至可能回落。即交易者认为卖方力量开始反超买方，从而价格难以继续上涨或从此回调下跌的价位。

2.2 支撑位

支撑位是指股价在下跌的过程中遇到了下方的支撑，让股价不至于跌跌不休，甚至出现止跌回稳的走势。即交易者认为买方力量开始反超卖方，从而止跌或反弹上涨的价位。

阻力位与支撑位是相对而言的，在股价运行时，阻力与支撑是可以互换的。具体地说，如果重大的阻力位被有效突破，那么该阻力位则反过来变成未来重要的支撑位;反之，如果重要的支撑位被有效击穿，则该价位反而变成今后股价上涨的阻力位了。

2.3 确定阻力支撑位的常见方法

常见的确定阻力支撑位的方法有，布林带上下轨突破策略（突破上轨建仓买入，突破下轨卖出平仓）和均线策略（如超过20日均线建仓买入，低于20日均线卖出平仓）。然而，布林带突破策略在震荡期间出现了持续亏损，均线策略交易成本巨大，且在震荡期间的回撤很大。

三、 阻力支撑相对强度(RSRS)的相关概念

阻力支撑相对强度(Resistance Support Relative Strength，RSRS)是另一种阻力位与支撑位的运用方式，它不再把阻力位与支撑位当作一个定值，而是看作一个变量，反应了交易者对目前市场状态顶底的一种预期判断。

3.1 RSRS的特点

根据光大证券研报，阻力支撑相对强度（RSRS）具有以下特点：

1）. 阻力支撑新视角：有别于传统中对于阻力位与支撑位的定值应用，从变量的角度来探索它们对于未来市场涨跌预测性的价值。通过定义阻力支撑相对强度的概念，设计出对未来市场收益有显著预测性的技术指标。RSRS右偏标准分指标与市场未来2周收益率的相关系数高达75%。

2）. 市场变化及时抓：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。

3）. 配合量价效果佳：RSRS右偏标准分指标做多策略应用在2005年3月至2017年3月沪深300指数数据上，策略交易39次，在不计成本的情况下12年总收益1573.60%，平均年化25.82%，夏普比率1.20。价格优化右偏标准分做多策略交易32次，在不计成本的情况下12年总收益1971.05%，平均年化28.19%，夏普比率1.56。同期沪深300指数总收益350.94%。

4）. 多种市场皆有效：RSRS价格优化右偏标准分策略应用在2005年3月至2017年3月上证50指数上，交易32次，在不计成本的情况下12年总收益1432.36%，平均年化24.84%，夏普比率1.42，最大回撤 -18.37%。同期上证50指数总收益290.13%。RSRS价格优化右偏标准分策略应用在2005年3月至2017年3月中证500指数上，交易39次，在不计成本的情况下12年总收益2898.93%，平均年化32.39%，夏普比率1.58，最大回撤 -26.21%。同期中证500指数总收益661.20%。

3.2 RSRS的应用逻辑

如果支撑位的强度小，作用弱于阻力位，则表明市场参与者对于支撑位的分歧大于对于阻力位的分歧，市场接下来更倾向于向熊市转变。而如果支撑位的强度大，作用强于阻力位，则表示市场参与者对于支撑位的认可度更高于对于阻力位的认可度，市场更倾向于在牛市转变。按照不同市场状态分类来说明支撑阻力相对强度的应用逻辑：

1）. 市场在上涨牛市中：

• 如果支撑明显强于阻力，牛市持续，价格加速上涨。
• 如果阻力明显强于支撑，牛市可能即将结束，价格见顶。

2）. 市场在震荡中：

• 如果支撑明显强于阻力，牛市可能即将启动。
• 如果阻力明显强于支撑，熊市可能即将启动。

3）. 市场在下跌熊市中：

• 如果支撑明显强于阻力，熊市可能即将结束，价格见底。

• 如果阻力明显强于支撑，熊市持续，价格加速下跌。

3.3 阻力支撑代理变量的定义选择

从最高价与最低价的形成机制出发，每日最高价和最低价是一种阻力位与支撑位，它是当日全体市场参与者的交易行为所认可的阻力与支撑。一个很自然的想法是建立最高价和最低价的线性回归（线性回归也被称为最小二乘法回归（Linear Regression also called Ordinary Least-Squares (OLS) Regression）），并计算出斜率。即：

high = α β ‧ low ε ε ~ N (0 σ2)

其中，被α称为常数项或截距；β被称为模型的回归系数或斜率；ε为误差项。

那么β值就是我们所需要的斜率。其中N 的取法不能太小，不然不能过滤掉足够多的噪音；但也不能太大，因为我们希望得到的是体现目前市场的支撑阻力相对强度，若取值太大，则滞后性太高。

当斜率β值很大时，支撑强度强于阻力强度。从最高价最低价序列来看，最高价变动比最低价迅速。在上涨牛市中与下跌熊市中很可能以下图中两种走势体现：在牛市中阻力渐小，上方上涨空间大；在熊市中支撑渐强，下跌势头欲止。

当斜率值很大时，支撑强度大于阻力强度。

阻力渐小，上方上涨空间大

支撑渐强，下跌势头欲止

当斜率值很小时，阻力强度大于支撑强度。

阻力渐强，上涨势头渐止

支撑渐弱，下方下跌空间渐大

3.4 阻力支撑相对强度（RSRS）指标的构建

在确定阻力与支撑的代理变量以及相对强度的定义之后，我们依此建立RSRS 指标。

（一）直接利用斜率的本身作为指标值。当日RSRS斜率指标的计算方式如下：

1. 取前N日的最高价序列与最低价序列。（N = 18）

2. 将两列数据按以上方程式的模型进行OLS线性回归。

3. 将拟合后的β值作为当日的RSRS斜率指标值。

4. 当RSRS斜率大于Sbuy时，买入；小于Ssell时卖出；（Sbuy=1 Ssell=0.8）

由于市场处于不同时期时，斜率的均值有比较大的波动。因此，直接采用斜率均值作为择时指标并不太合适。

（二）是将RSRS斜率标准化，取其标准分作为指标值。当日标准分的计算方式如下：

1. 取前M日的RSRS斜率时间序列。（N=18 M = 600）

2. 以此序列计算当日RSRS斜率的标准分RSRSstd：

RSRSstd = (RSRS斜率 – μM) / σM

其中：μM为前M日的斜率均值，σM为前M日的标准差。

3. 若RSRSstd大于Sbuy，则全仓买入；若RSRSstd小于Ssell，则卖出平仓。（Sbuy=0.7，Ssell=−0.7）

四、 RSRS指标择时的效果

策略应用在2005 年3 月到2017 年4 月的沪深300 指数数据上：斜率策略交易41 次，在不计成本的情况下12 年总收益1056.62%，平均年化21.71%，夏普比率1.10，最大回撤 -51.69%。同期沪深300 指数总收益350.94%。

标准分策略交易52 次，在不计成本的情况下12 年总收益1337.37%，平均年化24.12%，夏普比率1.27，最大回撤 -46.16%。同期沪深300 指数总收益350.94%。

RSRS指标策略在沪深300指数上的净值表现

RSRS斜率指标策略在不同成本下的净值表现

RSRS标准分指标策略在不同成本下的净值表现

五、 RSRS标准分指标优化

从标准分策略中，我们发现巨大的回撤发生在2008 年大熊市中期，一种猜测是策略将其误判为下跌见底，从而尝试抄底买入。由于在大熊市中，每日跌幅十分巨大，这样的错误信号即使策略在几天后发现依旧在下跌趋势而平仓，往往也已经造成巨大损失。

我们通过对修正指标本身或融合其它量价信息来使得策略得到优化。

5.1 RSRS修正标准分

在使用斜率量化阻力支撑相对强度时，其量化效果很大程度上受拟合本身效果的影响。我们将RSRS标准分与决定系数R2相乘得到RSRS修正标准分，以此降低绝对值很大，但拟合效果很差的RSRS标准分对策略的影响。通过这种变换，修正RSRS标准分有明显的向正态修正的效果。

RSRS标准分分布情况，其尾部较厚

RSRS修正标准分，可以看出修正后更加接近于正态分布

5.2 RSRS右偏标准分

然而，修正标准分在预测性上的改善效果主要体现于标准分左侧，在做多策略中，左侧预测性改善对择时策略帮助并不大。我们将RSRS修正标准分与RSRS斜率值相乘得到RSRS右偏标准分。其分布如下图，可以看出右偏标准分左侧较薄，而右侧较厚。

RSRS右偏修正标准分分布

5.3 RSRS右偏标准分指标策略的表现

RSRS 右偏标准分指标在成本冲击下的表现。策略开仓39 次，交易成本对策略冲击不大。在无成本下策略净值15.74，双边成本0.4%下策略净值13.49，双边成本0.6%下策略净值12.49。

RSRS右偏标准分指标策略在不同成本下的净值表现

六、 RSRS指标配合量价数据优化策略

为了规避掉在大熊市买入的情况，我们尝试在开仓时，加入一个对目前市场状态的判断，过滤掉下跌行情中的开仓。下面给出基于价格趋势和基于交易量趋势两种优化。

6.1 RSRS右偏标准分指标 市场价格趋势优化交易策略

一个直接的想法是从近期历史价格趋势进行判断，使用前1日的20日均线值和3日前的20日均线值的相对大小来判断近期市场状态。策略如下（取值来自研报）：

1、 计算RSRS右偏标准分指标RSRSrightdev。（N = 18 M = 600）

2、 若RSRSrightdev大于Sbuy，同时满足前1日的MA20的值大于前3日的MA20的值，则全仓买入。（Sbuy=0.7）

3、 若RSRSrightdev小于Ssell，同时满足前1日的MA20的值小于前3日的MA20的值，则卖出平仓。（Ssell=−0.7）

不同分布标准分指标策略在价格优化下的净值比较

6.2 基于RSRS 指标与交易量相关性的优化

交易量相关性优化交易策略：

1、 计算RSRS 标准分指标RSRSrightdev。（N = 18 M = 600）

2、 若RSRSrightdev大于Sbuy，同时满足前10 日交易量与修正标准分之间的相关性为正，则买入。（Sbuy=0.7）

3、 若RSRSrightdev小于Ssell，则卖出平仓。（Ssell=−0.7）

各标准分指标策略在交易量相关性优化下的净值比较

七、 标准分优化策略在多空及其它市场上的实证效果

RSRS 价格优化右偏标准分策略应用在2005 年3 月至2017 年3 月上证50 指数上，净值14.32，交易32 次，在0.6%双边成本下净值11.82，最大回撤 -18.37%。同期上证50 指数净值2.90。

策略应用在2005 年3 月至2017 年3 月中证500 指数上，净值28.99，交易39 次，在0.6%双边成本下净值22.95，最大回撤 -26.21%。同期中证500 指数总收益661.20%。

价格优化右偏标准分指标多空策略在沪深300指数上的净值表现

价格优化右偏标准分指标策略在上证500指数上的净值表现

价格优化右偏标准分指标策略在中证500指数上的净值表现

八、 右偏标准分 价格趋势优化策略的Python实现

综合以上分析，RSRS 右偏标准分 价格趋势优化指标策略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。因此，我们以此策略来进行Python实现。

8.1 所需Tushare接口数据

1) stock_basic股票基础数据接口。

2) daily股票日线行情数据接口。

以上两个接口数据均为免费接口，注册用户即可调用获取数据。详细接口说明，参见我的上篇文章：Python量化交易：利用Tushare数据之二——神奇九转指标策略。

8.2 Python主要代码

注：因篇幅原因，以下代码为主要实现逻辑，非全部代码。如需请联系。

1) 计算RSRS斜率以及决定系数R2

""" ================================================== *** Name: get_slope_and_r2 *** 获取指定股票指定日期的斜率和决定系数 *** Paras: lows: 前N日最低价格序列 *** highs: 前N日最高价格序列 *** Return: jason格式：slope： 斜率； r2：决定系数 """ def get_slope_and_r2(lows highs): slope = 0.0 r2 = 0.0 x_mean = np.mean(lows) y_mean = np.mean(highs) xy_mean = np.mean(lows * highs) xx_mean = np.mean(lows * lows) yy_mean = np.mean(highs*highs) slope = (x_mean * y_mean - xy_mean)/(np.square(x_mean) - xx_mean) intercept = y_mean – slope * x_mean f = slope * lows intercept sst = sum(np.square(highs - y_mean)) sse = sum(np.square(highs - f)) ssr = sum(np.square(f - y_mean)) r2 = ssr / sst return {'slope':slope 'r2':r2}

2) 计算RSRS标准分以及右偏标准分

""" ================================================== *** Name: get_rsrs_right_values *** 获取指定股票的RSRS标准分以及右偏标准分 *** Paras: oBase: 前M日股票斜率列表 *** slope: 当日RSRS斜率 *** R2 : 当日RSRS决定系数 *** Return: jason格式。rsrs_std: RSRS标准分 *** rsrs_right: RSRS右偏标准分 """ def get_rsrs_right_values(oBase slope R2): s_mean = np.mean(oBase) s_stdr = np.std(oBase) rsrs_std = (slope - s_mean) / s_stdr rsrs_right = rsrs_std * R2 * slope return {'rsrs_std':rsrs_std 'rsrs_right':rsrs_right}

3) 计算股票MA20均线值

由于已经通过Tushare获取到股票每日交易数据，所有通过股票每日交易数据直接计算股票的每日MA20均线值并存储使用即可。

""" ================================================== *** Name: get_stock_ma20_value *** 从DB中每日交易数据表中SQL方式获取指定股票指定日期的MA20均线值 *** Paras: tscode: 股票代码 *** trdate: 交易日期 *** Return: List格式； *** tscode: 股票代码 *** trdate: 交易日期 *** ma20 : MA20均线值 """ def get_stock_ma20_value(tscode trdate): sql = "SELECT T.ts_code {} AS trade_date ".format(trdate) sql = " CASE WHEN COUNT(T.close)=20 THEN avg(T.close) ELSE 0 END AS ma20 " sql = "FROM (SELECT D.ts_code D.trade_date D.close FROM " sql = " stock_daily AS D WHERE D.ts_code = '{}' ".format(tscode) sql = " AND D.trade_date <= '{}' ".format(trdate) sql = " ORDER BY D.trade_date DESC LIMIT 20) AS T " sql = " GROUP BY T.ts_code;" return self.get_data_from_db(sql)

4) 右偏标准分 价格趋势优化策略实现结果

以最新2022年1月10日星期一的最新数据为基础，计算结果如下图所示。

计算结果，仅供参考