请　[注册]　或　[登录]　 | 返回主站

量化交易吧 /  量化平台 帖子：3364695 新帖：16

【量化课堂】RSRS(阻力支撑相对强度)择时策略（下）

Peace发表于：5 月 9 日 18：06回复(1)

概述

本篇基于光大证券研报《基于阻力支撑相对强度(RSRS)的市场择时》，在上一期的基础上，进一步给出了RSRS右偏标准分交易策略，以及RSRS指标配合其他量化指标（价格、交易量相关性）的交易策略。


四、RSRS右偏标准分交易策略

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。

如下图所示，左图为RSRS标准分分布情况，其尾部较厚；右图为RSRS修正标准分，可以看出修正后更加接近于正态分布。

stdratio_hist.JPGrev_hist.JPG

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。

rightdev_hist.JPG

同时给出如下RSRS右偏标准分交易策略（取值来自研报）：
1、计算RSRS右偏标准分RSRSrightdevRSRSrightdev

RSRSrightdev

RSRS<em>rightdev

RSRS{rightdev}

（N = 16, M = 300）
2、若RSRSrightdevRSRSrightdevRSRSrightdevRSRS</em>rightdev

RSRS{rightdev}

大于SbuySbuySbuyS<em>buy

S{buy}

时，全仓买入；若RSRSrightdevRSRSrightdevRSRSrightdevRSRS</em>rightdev

RSRS{rightdev}

小于SsellSsellSsellS<em>sell

S{sell}

时，卖出平仓。（Sbuy=0.7,Ssell=?0.7Sbuy=0.7,Ssell=?0.7Sbuy=0.7,Ssell=?0.7S</em>buy=0.7,Ssell=?0.7

S{buy} = 0.7, S_{sell} = -0.7

）

采用研报的参数值，得到策略情况如下：

图片：RSRS_rightdev_gd

基准和标的股票仍然选定沪深300指数，时间选取2010-01-01至2017-12-17。总收益率为209.03%，年化收益15.70%，胜率0.6，最大回撤24.989%，开平仓29次。

通过不断尝试调整参数值，我们希望得到一个更好的策略表现。N取值在10-30之间时，N=18依然表现最佳；但是M取值较大时，收益率有提升的趋势，特别当M从750变为800时，总收益率从190%跃升至250%左右。由于平台的数据从2005年开始，M值设为1200时将会超出数据范围。在可以取到的M值中，M = 1100时策略表现最佳：

图片: RSRS_rightdev

总收益率为290.12%，年化收益19.24%，胜率0.636，最大回撤17.775%，开平仓28次。

无论从收益率、胜率上，还是从最大回撤上，上述参数值都比研报中给出的参数值表现要好。这可能由于计算标准分的方法不同。其研报中计算的标准分并没有用到时间区间之外的数据：M=600时，回测前600天并没有600个斜率数据来计算标准分，比如回测第50天就只使用了50个斜率数据进行标准化，这使得回测前期信号相对不稳定。而我们计算标准分时，固定了移动窗口的值，所有日期的标准分采用了相同个数的数据来计算。

五、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。

1. RSRS指标   价格优化交易策略

一个直接的想法是从近期历史价格趋势进行判断，在回测中，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牌判断近期市场状态。策略如下（取值来自研报）：
1、计算RSRS右偏标准分指标RSRSrightdevRSRSrightdev

RSRSrightdev

RSRS<em>rightdev

RSRS{rightdev}

。（N = 18, M = 600）
2、若RSRSrightdevRSRSrightdevRSRSrightdevRSRS</em>rightdev

RSRS{rightdev}

大于SbuySbuySbuyS<em>buy

S{buy}

，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=0.7Sbuy=0.7Sbuy=0.7S</em>buy=0.7

S{buy} = 0.7

）
3、若RSRSrightdevRSRSrightdevRSRSrightdevRSRS<em>rightdev

RSRS{rightdev}

小于SsellSsellSsellS</em>sell

S{sell}

，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=?0.7Ssell=?0.7Ssell=?0.7Ssell=?0.7

S_{sell} = -0.7

）

采用研报的参数值，得到策略情况如下：

图片：RSRS price_gd

总收益率为200.22%，年化收益15.27%，胜率0.818，最大回撤17.616%，开平仓12次。

调整参数发现，N = 18, M = 200时，策略表现略好于之前：

图片：RSRS price

总收益率为213.85%，年化收益15.93%，胜率0.889，最大回撤15.156%，开平仓10次。

2. RSRS指标   交易量相关性优化交易策略

很多研究表明市场涨跌与交易量有明显的正相关性，因此我们尝试采用交易量与修正标准分的相关性来过滤误判信号。在相关性为正时，给出买入信号。策略如下（取值来自研报）：
1、计算RSRS右偏标准分指标RSRSrightdevRSRSrightdev

RSRSrightdev

RSRS<em>rightdev

RSRS{rightdev}

。（N = 18, M = 600）
2、若RSRSrightdevRSRSrightdevRSRSrightdevRSRS</em>rightdev

RSRS{rightdev}

大于SbuySbuySbuyS<em>buy

S{buy}

，同时满足前10日交易量与RSRS修正标准分之间的相关性为正，则全仓买入。（Sbuy=0.7Sbuy=0.7Sbuy=0.7S</em>buy=0.7

S{buy} = 0.7

）
3、若RSRSrightdevRSRSrightdevRSRSrightdevRSRS<em>rightdev

RSRS{rightdev}

小于SsellSsellSsellS</em>sell

S{sell}

，则卖出平仓。（Ssell=?0.7Ssell=?0.7Ssell=?0.7Ssell=?0.7

S_{sell} = -0.7

）

采用研报的参数值，得到策略情况如下：

图片：RSRS vol_gd

总收益率为169.43%，年化收益13.67%，胜率0.636，最大回撤12.210%，开平仓22次。

调整参数发现，N = 18, M = 200时，从收益率上看远好于研报参数值：

RSRS vol.png

总收益率为238.05%，年化收益17.05%，胜率0.714，最大回撤16.459%，开平仓20次。

后记

对于上述介绍的策略，还可以尝试配合其他量化指标过滤交易信号，也可以进一步调整买入卖出阈值（Sbuy,SsellSbuy,Ssell

Sbuy,Ssell

S<em>buy,S</em>sell

S{buy}, S{sell}

），还可以将第五部分中的RSRS右偏标准分换为标准分或修正标准分，不断尝试是否能够得到更好的策略表现。


注：回测部分是RSRS右偏标准分交易策略(N = 18, M = 1100)

       

全部回复

0/140

量化课程

    移动端课程