“量价淘金”选股因子系列研究（三）：如何基于RSI技术指标构建有效的选股因子？

量化专题报告 “量价淘金”选股因子系列研究（三） 证券研究报告|金融工程研究 2023年03月06日 如何基于RSI技术指标构建有效的选股因子？ 前言：相对强弱指标RSI(RelativeStrengthIndex)是最常用的技术分析指标之一，常被用来评估多空力量的强弱程度，被广泛应用于各种金融产品的研究分析中。本文对RSI指标进行深入探索，讨论如何将其拓展到横截面选股领域，构建有效的选股因子。 RSI指标在择时上的特点：在时序择时上，RSI指标出现极端值，往往被用作一个反转信号，衡量过度交易的程度，大致呈现3个特点：（1）在单边 大幅上涨、下跌的行情中，效果更佳；（2）对顶点的判断往往较早，但在大幅上涨的行情中，RSI指标首次出现极端值后，会反复触及、提示风险； （3）非震荡市中，对底部的判断，具有一定同步性。 RSI选股因子初探：每月月底，每只股票回溯过去20个交易日，利用日频涨跌幅数据，计算得到每只股票的RSI因子。该因子的效果一般，在全体A股中的月度IC均值为-0.026，年化ICIR为-1.16。 RSI选股因子增强：我们尝试提高数据频率，基于分钟涨跌幅数据构建高频RSI因子，选股效果显著提升，10分组多空对冲的信息比率已接近2。更进一步，利用成交量的信息，对每日RSI指标进行加权，得到选股效果 更稳健的成交量配合RSI因子。回测期2014/01/01-2023/01/31内，成交量配合RSI因子在全市场的月度IC均值为-0.054，年化ICIR为-2.34；10分组多空对冲的年化收益为25.89%，信息比率为2.26，月度胜率为77.57%，最大回撤为11.86%。另外，在剔除了市场常用风格和行业的干扰后，纯净因子的年化ICIR可达-2.17，仍然具备有效的选股能力。 图表1：日频RSI、高频RSI、成交量配合RSI因子的IC及多空对冲绩效 作者 分析师沈芷琦 执业证书编号：S0680521120005邮箱：shenzhiqi@gszq.com 分析师刘富兵 执业证书编号：S0680518030007邮箱：liufubing@gszq.com 相关研究 1、《“量价淘金”选股因子系列研究（一）：如何将隔夜涨跌变为有效的选股因子？——基于对知情交易者信息优势的刻画》2022-04-26 2、《“薪火”量化分析系列研究（一）：如何将隔夜涨跌变为有效的选股因子Q&A》2022-06-28 3、《“量价淘金”选股因子系列研究（二）：不同交易者结构下的动量与反转》2022-10-24 4、《“薪火”量化分析系列研究（二）：票据逾期数据中的选股信息》2022-12-31 5、《量化点评报告：三月配置建议：价值风格确定性最高——资产配置思考系列之三十九》2023-02-286、《量化专题报告：可转债定价模型与应用》2023- 03-02 7、《量化分析报告：消费估值上行空间有限，部分成长行业估值开始修复——基本面量化系列研究之十 日频RSI 高频RSI 成交量配合RSI 七》2023-03-03 月度IC均值 -0.026 -0.060 -0.054 年化ICIR -1.16 -2.14 -2.34 月度RankIC均值 -0.043 -0.089 -0.086 年化RankICIR -1.76 -2.74 -3.03 年化收益率 10.13% 25.38% 25.89% 10分组年化波动率 11.49% 13.07% 11.46% 多空对冲信息比率 0.88 1.94 2.26 绩效指标月度胜率 55.14% 75.70% 77.57% 最大回撤率 14.92% 12.66% 11.86% IC信息 资料来源：wind，国盛证券研究所 风险提示：以上结论均基于历史数据和统计模型的测算，如果未来市场环境发生明显改变，不排除模型失效的可能性。 请仔细阅读本报告末页声明 内容目录 一、前言3 二、RSI指标在择时上的特点3 三、基于RSI指标构建选股因子6 3.1RSI选股因子初探：日频数据6 3.2RSI选股因子增强：高频数据+成交量配合6 四、其他重要讨论9 4.1纯净的成交量配合RSI因子9 4.2参数敏感性检验10 4.3其他样本空间的表现11 �、总结12 风险提示12 图表目录 图表1：日频RSI、高频RSI、成交量配合RSI因子的IC及多空对冲绩效1 图表2：RSI指标在单边大幅行情中更有效4 图表3：RSI指标对市场顶部的判断往往提早较多4 图表4：RSI指标对市场底部的判断同步性较强5 图表5：RSI指标当前已处于近期高位5 图表6：日频RSI因子10分组及多空对冲净值走势6 图表7：高频RSI因子10分组及多空对冲净值走势7 图表8：成交量配合RSI因子10分组及多空对冲净值走势8 图表9：日频RSI、高频RSI、成交量配合RSI因子的IC及多空绩效对比8 图表10：成交量配合RSI因子分年度表现9 图表11：成交量配合RSI因子与Barra风格因子相关系数9 图表12：纯净成交量配合RSI因子10分组及多空对冲净值走势10 图表13：纯净成交量配合RSI因子分年度表现10 图表14：成交量配合RSI因子10分组及多空净值（40日）11 图表15：成交量配合RSI因子10分组及多空净值（60日）11 图表16：不同回看天数下成交量配合RSI因子的IC及多空绩效11 图表17：不同样本空间10分组多空对冲绩效指标12 一、前言 1978年，韦尔斯.怀尔德(WellesWilder)在《技术交易系统新思路》一书中，提出了相对强弱指标RSI(RelativeStrengthIndex)，以某段时期内股价的变动情况来推测其未来的变动方向。时至今日，历经40多年的发展，RSI早已成为最常用的技术分析指标之一，常被用来评估多空力量的强弱程度，被广泛运用于股票、商品、期货等各种金融产品的研究分析中。 若基于过去一段时间的日频涨跌幅，RSI指标最常见的计算公式如下，分子代表做多的力量，分母则是多空力量的总和： 上涨交易日的平均涨跌幅 RSI= 上涨交易日的平均涨跌幅+下跌交易日的平均涨跌幅的绝对值 ×100 RSI指标在一定程度上反映了过度交易的程度，因此常被用作反转指标：数值越大，说明当下的超买现象越严重，未来股价回调的可能性越大；数值越小，则说明超卖现象越严重，未来股价反弹的概率越大。 通常情况下，RSI指标都被应用于时序择时，较少被用来在横截面上进行选股。国盛金工推出“量价淘金”选股因子系列研究，旨在深耕量价选股领域，为多因子模型增砖添瓦。本文为系列研究第三篇，我们聚焦RSI技术指标，对其进行深入探索，展示如何将RSI的应用拓展到横截面选股领域，构建有效的选股因子。 二、RSI指标在择时上的特点 在利用RSI指标构建选股因子之前，我们先从它最传统的用法出发，简单回顾它在择时上的应用效果。 正如前文所述，RSI指标被用来衡量超买或超卖的程度，因此它最常见的用法，就是利用它的极端值，比如设定上下阈值，若RSI超过一定数值，就发出看空信号，反过来若低于某个数值，则发出看多信号。整体来看，RSI指标出现极端值，具备一定的择时效果。比如我们以上证综合指数为例，总结它在择时上的几个特点。 特点一：根据RSI指标的计算公式，我们很容易发现，在单边大幅上涨或者下跌的行情中，RSI指标更容易出现极端值，发出更为有效的信号；而在震荡市或者幅度较小的行情中，大多情况下RSI指标会在一个相对较窄的区间内来回震荡，有效性较弱。 图表2：RSI指标在单边大幅行情中更有效 资料来源：wind，国盛证券研究所 附注：RSI(5)_MA60的计算方法为，每日用过去5个交易日的涨跌幅计算RSI指标，再求60日移动平均值 特点二：回顾RSI指标对历次大顶的判断，可以发现，它对市场顶部的提示往往会提早很久，而且行情越大，提早越多。比如2007年，上证综合指数大约在10月份见顶，但RSI指标在2月份、上涨行情大概走了40%的时候，就已经进入了局部高位。类似地，在2009年、2015年，RSI指标出现高位极端值，大约也比市场指数提早了1个季度。但在大幅上涨的行情中，RSI指标首次出现极端值后，它往往还会反复触及、反复提示风险。因此若观察到RSI指标在近期内首次进入了局部高位，我们可以开始紧密关注其后续走势，若未来反复出现极端值，则应当警惕下跌风险。 图表3：RSI指标对市场顶部的判断往往提早较多 资料来源：wind，国盛证券研究所 特点三：若观察RSI指标对市场底部的判断，可以发现在较大幅度下跌的行情中，RSI指标出现低位极端值与市场指数见底有一定同步性。如图表4中几条红色虚线所处位置，RSI指标到达局部低点，都会对市场底部有一定的提示作用。 图表4：RSI指标对市场底部的判断同步性较强 资料来源：wind，国盛证券研究所 从RSI指标当前的情况来看，其数值已处于近期高位，但由于是首次出现极端值，根据前文总结的经验，RSI对顶点的判断往往较早，因此单从RSI指标来看，短期内上证综指见顶的可能性较小，后续可关注该指标是否反复出现高位极端值。 图表5：RSI指标当前已处于近期高位 资料来源：wind，国盛证券研究所 三、基于RSI指标构建选股因子 在简单回顾、总结了RSI指标在择时上的应用效果后，我们探索如何利用它构建横截面上的选股因子。 3.1RSI选股因子初探：日频数据 最容易想到的选股因子构造方式，是利用日频涨跌幅数据，直接套用RSI指标的计算公式，计算每只股票的因子值。比如以回看20个交易日为例，我们进行以下操作： （1）每月月底，每只股票回溯过去20个交易日，计算(20日中上涨交易日的平均涨跌幅)/(20日中上涨交易日的平均涨跌幅+20日中下跌交易日的平均涨跌幅的绝对值)*100； （2）做横截面市值中性化处理，得到每只股票的日频RSI因子。 基于RSI指标构建的横截面选股因子，其方向与RSI时序择时的方向一致，亦是做反转，即因子的IC小于0。2014/01/01-2023/01/31期间，日频RSI因子在全体A股样本中的月度IC均值为-0.026，年化ICIR为-1.16。 图表6展示了日频RSI因子在全市场10分组及多空对冲的净值走势。该因子多空对冲的年化收益为10.13%，年化波动为11.49%，信息比率为0.88，月度胜率为55.14%，最大回撤为14.92%，对股票的未来收益有一定的指示作用，但整体来看选股效果较弱。 图表6：日频RSI因子10分组及多空对冲净值走势 资料来源：wind，国盛证券研究所 3.2RSI选股因子增强：高频数据+成交量配合 基于日频数据构建的RSI因子效果较弱，我们需要对其进行增强。有一种常见的增强思 路，即提高数据频率，一般来讲，数据频率越高，包含的增量信息也会越多。因此，我们尝试用更高频的数据构建因子。 具体地，我们实施以下操作，得到高频数据下的RSI选股因子： （1）每个交易日，利用1分钟涨跌幅数据，计算个股当日的RSI=(上涨分钟的平均涨跌幅)/(上涨分钟的平均涨跌幅+下跌分钟的平均涨跌幅的绝对值)*100。 （2）每月月底，每只股票回溯过去20个交易日，计算20日RSI的平均值，再做横截面市值中性化处理，得到每只股票的高频RSI因子。 回测结果显示，高频RSI因子的月度IC均值为-0.060，年化ICIR为-2.14；10分组多空对冲的年化收益为25.38%，年化波动为13.07%，信息比率可达1.94，月度胜率为75.70%，最大回撤为12.66%，选股效果相比于日频RSI因子显著提升。 图表7：高频RSI因子10分组及多空对冲净值走势 资料来源：wind，国盛证券研究所 由于RSI指标的计算仅基于价格数据，而价格与成交量往往需要相互配合，因此我们还可以借助成交量的信息，对高频RSI因子做进一步改进。通常来讲，成交量越大，包含的信息量越丰富，因此在构建选股因子时，可以提高成交量较