前言：相对强弱指标RSI(Relative Strength Index)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。
　　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。
　　

研究报告全文：证券研究报告金融工程研究2023年03月06日量化专题报告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前言相对强弱指标RSIRelativeStrengthIndex是最常用的技术分析指作者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分析师沈芷琦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执业证书编号S0680521120005面选股领域构建有效的选股因子邮箱shenzhiqigszqcom分析师刘富兵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执业证书编号S0680518030007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在单边邮箱liufubinggszqcom大幅上涨下跌的行情中效果更佳对顶点的判断往往较早但在相关研究2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1量价淘金选股因子系列研究一如何将隔3非震荡市中对底部的判断具有一定同步性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2022-04-26薪火量化分析系列研究一如何将隔夜涨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2跌变为有效的选股因子A股中的月度IC均值为-0026年化ICIR为-116QA2022-06-283量价淘金选股因子系列研究二不同交易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者结构下的动量与反转2022-10-24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24薪火量化分析系列研究二票据逾期数据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中的选股信息2022-12-31更稳健的成交量配合RSI因子回测期20140101-20230131内成交5量化点评报告三月配置建议价值风格确定性量配合RSI因子在全市场的月度IC均值为-0054年化ICIR为-23410最高资产配置思考系列之三十九2023-02-28分组多空对冲的年化收益为2589信息比率为226月度胜率为6量化专题报告可转债定价模型与应用2023-7757最大回撤为1186另外在剔除了市场常用风格和行业的干03-02扰后纯净因子的年化ICIR可达-217仍然具备有效的选股能力7量化分析报告消费估值上行空间有限部分成图表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-0026-0060-0054年化ICIR-116-214-234IC信息月度RankIC均值-0043-0089-0086年化RankICIR-176-274-303年化收益率10132538258910分组年化波动率114913071146多空对冲信息比率088194226绩效指标月度胜率551475707757最大回撤率149212661186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2023年03月06日内容目录一前言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631RSI选股因子初探日频数据632RSI选股因子增强高频数据成交量配合6四其他重要讨论941纯净的成交量配合RSI因子942参数敏感性检验1043其他样本空间的表现11五总结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2RSI指标在单边大幅行情中更有效4图表3RSI指标对市场顶部的判断往往提早较多4图表4RSI指标对市场底部的判断同步性较强5图表5RSI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12P2请仔细阅读本报告末页声明2023年03月06日一前言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RSIRelativeStrengthIndex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RSI100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P3请仔细阅读本报告末页声明2023年03月06日图表2RSI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RSI5MA60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3RSI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P4请仔细阅读本报告末页声明2023年03月06日特点三若观察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4RSI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5RSI指标当前已处于近期高位资料来源wind国盛证券研究所P5请仔细阅读本报告末页声明2023年03月06日三基于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31RSI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1002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020140101-20230131期间日频RSI因子在全体A股样本中的月度IC均值为-0026年化ICIR为-116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1013年化波动为1149信息比率为088月度胜率为5514最大回撤为1492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32RSI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P6请仔细阅读本报告末页声明2023年03月06日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1002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-0060年化ICIR为-21410分组多空对冲的年化收益为2538年化波动为1307信息比率可达194月度胜率为7570最大回撤为1266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大部分对应的RSI指标的权重基于上述想法我们修改高频RSI因子的计算过程得到最终的新因子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1002每月月底每只股票回溯过去20个交易日以每日换手率为权重计算20日RSI的加权平均再做横截面市值中性化处理得到每只股票的成交量配合RSI因子回测期20140101-20230131内成交量配合RSI因子的月度IC均值为-0054RankIC均值为-0086年化ICIR为-234年化RankICIR为-303图表8展示了成交量配合RSI因子的10分组及多空对冲净值走势图表9比较了日频RSI高频RSI成交量配合RSI因子的各项绩效指标图表10则汇报了成交量配合RSI因子各年度的表现情况P7请仔细阅读本报告末页声明2023年03月06日整体来看成交量配合RSI因子的效果可在高频RSI因子的基础上进一步提升10分组多空对冲的年化收益为2589年化波动为1146信息比率为226月度胜率为7757最大回撤为1186图表8成交量配合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及多空绩效对比日频RSI高频RSI成交量配合RSI月度IC均值-0026-0060-0054年化ICIR-116-214-234IC信息月度RankIC均值-0043-0089-0086年化RankICIR-176-274-303年化收益率101325382589年化波动率11491307114610分组多空信息比率088194226对冲绩效指标月度胜率551475707757最大回撤率149212661186资料来源wind国盛证券研究所P8请仔细阅读本报告末页声明2023年03月06日图表10成交量配合RSI因子分年度表现年化收益率分组1对冲分组10绩效指标年份分组1分组10分组1对冲分组10年化波动率信息比率月度胜率最大回撤率2014603325932772844329700008720151072670031750129413566675922016-358-2575277081134291672112017-1560-2932190937750791670302018-2296-4255321889336091671612019335298520288312446667213202024061327794126606358339292021272628321271691126583310132022-385-3289381311203406667176资料来源wind国盛证券研究所四其他重要讨论41纯净的成交量配合RSI因子得到了选股效果不错的成交量配合RSI因子后我们考察其与市场常用风格因子的相关性图表11展示了成交量配合RSI因子与10个Barra风格因子的相关系数可以看到新因子与大部分常用因子相关系数的绝对值均小于020相关性较低图表11成交量配合RSI因子与Barra风格因子相关系数成交量配合RSI因子成交量配合RSI因子Beta00777Size00348BooktoPrice-01940NonLinearSize00342EarningsYield-01258Momentum00693Growth00290Liquidity02285Leverage-00733ResidualVolatility02225资料来源wind国盛证券研究所为了剔除市场常用风格和行业的干扰我们每月月底将成交量配合RSI因子对Barra风格因子和中信一级行业虚拟变量进行回归取残差作为纯净新因子检验其选股效果图表12展示了纯净成交量配合RSI因子的10分组及多空对冲净值走势图表13则汇报了其分年度的表现情况剔除常用风格与行业后纯净因子的年化ICIR仍可达到-217全市场10分组多空对冲的年化收益为1183信息比率为212月度胜率为6542最大回撤为463P9请仔细阅读本报告末页声明2023年03月06日图表12纯净成交量配合RSI因子10分组及多空对冲净值走势资料来源wind国盛证券研究所图表13纯净成交量配合RSI因子分年度表现年化收益率分组1对冲分组10绩效指标年份分组1分组10分组1对冲分组10年化波动率信息比率月度胜率最大回撤率20144727363681842719260001862015101516587209275727675001342016-958-154476552214741671492017-1759-222262563309950003662018-2611-401722574834679167147201932021561145050428875000942020317318621074499215666715120212094135763968309450004632022-1392-21579384222227500156资料来源wind国盛证券研究所42参数敏感性检验前文测算了每月月底回看过去20个交易日的情况本小节内容我们改变回看天数为4060个交易日检验成交量配合RSI因子的选股效果图表1415分别展示了在回看4060个交易日的情况下成交量配合RSI因子的10分组及多空对冲净值走势图表16则汇报了它们的各项绩效指标可以看到在不同回看天数下成交量配合RSI因子的选股效果相差不大10分组多空对冲的信息比率均在2以上参数稳定性较高P10请仔细阅读本报告末页声明2023年03月06日图表14成交量配合RSI因子10分组及多空净值40日图表15成交量配合RSI因子10分组及多空净值60日资料来源wind国盛证券研究所资料来源wind国盛证券研究所图表16不同回看天数下成交量配合RSI因子的IC及多空绩效回看20日回看40日回看60日月度IC均值-0054-0052-0051年化ICIR-234-197-185IC信息月度RankIC均值-0086-0086-0085年化RankICIR-303-295-289年化收益率258922242324年化波动率11461105111810分组多空对信息比率226201208冲绩效指标月度胜率775776647477最大回撤率118610891042资料来源wind国盛证券研究所43其他样本空间的表现本小节内容检验成交量配合RSI因子在不同样本空间的表现以回看20日为例图表17展示了成交量配合RSI因子在沪深300中证500中证1000国证2000成分股中的选股效果技术指标类因子一般在小市值股票池中效果更佳成交量配合RSI因子也不例外在中证1000国证2000成分股中的绩效指标更为亮眼10分组多空对冲的信息比率分别为173223P11请仔细阅读本报告末页声明2023年03月06日图表17不同样本空间10分组多空对冲绩效指标年化收益率年化波动率信息比率月度胜率最大回撤率日频RSI因子323162402052343597沪深300高频RSI因子886148206058882995成交量配合RSI因子658122605457012561日频RSI因子106123000949534046中证500高频RSI因子691119005860752152成交量配合RSI因子898114007961682010日频RSI因子778123406354551248中证1000高频RSI因子2181143515271721744成交量配合RSI因子2238129317371721752日频RSI因子1064120508857551654国证2000高频RSI因子2808144619470751570成交量配合RSI因子2608117022375471585资料来源wind国盛证券研究所五总结本文为量价淘金选股因子系列研究的第三篇报告着重讨论了如何利用RSI技术指标构建有效的选股因子首先我们简单回顾了RSI指标在择时上的应用在时序择时上RSI指标出现极端值往往被用作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行情中效果更佳2对顶点的判断往往较早但在大幅上涨行情中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随后我们参考RSI指标的计算公式构建横截面上的选股因子我们先利用日频涨跌幅数据进行初步试探发现选股效果一般然后我们提高数据频率基于分钟涨跌幅构造高频RSI因子10分组多空对冲的信息比率已接近2最后加上成交量的信息对每日RSI指标进行加权得到成交量配合下的RSI因子选股效果得到进一步提升10分组多空对冲的年化收益为2589信息比率为226且在剔除了常用风格和行业的影响后纯净因子的年化ICIR达到-217仍然具备有效的选股能力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P12请仔细阅读本报告末页声明2023年03月06日免责声明国盛证券有限责任公司以下简称本公司具有中国证监会许可的证券投资咨询业务资格本报告仅供本公司的客户使用本公司不会因接收人收到本报告而视其为客户在任何情况下本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任本报告的信息均来源于本公司认为可信的公开资料但本公司及其研究人员对该等信息的准确性及完整性不作任何保证本报告中的资料意见及预测仅反映本公司于发布本报告当日的判断可能会随时调整在不同时期本公司可发出与本报告所载资料意见及推测不一致的报告本公司不保证本报告所含信息及资料保持在最新状态对本报告所含信息可在不发出通知的情形下做出修改投资者应当自行关注相应的更新或修改本公司力求报告内容客观公正但本报告所载的资料工具意见信息及推测只提供给客户作参考之用不构成任何投资法律会计或税务的最终操作建议本公司不就报告中的内容对最终操作建议做出任何担保本报告中所指的投资及服务可能不适合个别客户不构成客户私人咨询建议投资者应当充分考虑自身特定状况并完整理解和使用本报告内容不应视本报告为做出投资决策的唯一因素投资者应注意在法律许可的情况下本公司及其本公司的关联机构可能会持有本报告中涉及的公司所发行的证券并进行交易也可能为这些公司正在提供或争取提供投资银行财务顾问和金融产品等各种金融服务本报告版权归国盛证券有限责任公司所有未经事先本公司书面授权任何机构或个人不得对本报告进行任何形式的发布复制任何机构或个人如引用刊发本报告需注明出处为国盛证券研究所且不得对本报告进行有悖原意的删节或修改分析师声明本报告署名分析师在此声明我们具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力本报告所表述的任何观点均精准地反映了我们对标的证券和发行人的个人看法结论不受任何第三方的授意或影响我们所得报酬的任何部分无论是在过去现在及将来均不会与本报告中的具体投资建议或观点有直接或间接联系投资评级说明投资建议的评级标准评级说明评级标准为报告发布日后的6个月内公司股价或行业买入相对同期基准指数涨幅在15以上指数相对同期基准指数的相对市场表现其中A股市增持相对同期基准指数涨幅在515之间股票评级场以沪深300指数为基准新三板市场以三板成指针持有相对同期基准指数涨幅在-55之间对协议转让标的或三板做市指数针对做市转让标的减持相对同期基准指数跌幅在5以上为基准香港市场以摩根士丹利中国指数为基准美股增持相对同期基准指数涨幅在10以上市场以标普500指数或纳斯达克综合指数为基准中性相对同期基准指数涨幅在-1010行业评级之间减持相对同期基准指数跌幅在10以上国盛证券研究所北京上海地址北京市西城区平安里西大街26号楼3层地址上海市浦明路868号保利One561号楼10层邮编100032邮编200120传真010-57671718电话021-38124100邮箱gsresearchgszqcom邮箱gsresearchgszqcom南昌深圳地址南昌市红谷滩新区凤凰中大道1115号北京银行大厦地址深圳市福田区福华三路100号鼎和大厦24楼邮编330038邮编518033传真0791-86281485邮箱gsresearchgszqcom邮箱gsresearchgszqcomP13请仔细阅读本报告末页声明