計算RSRS指標的正確姿勢

RSRS（Resistance Support Relative Strength），又稱阻力支撐相對強度是另一種阻力位與支撐位的運用方式，它不再把阻力位與支撐位當做一個定值，而是看做一個變量，反應了交易者對目前市場狀態頂底的一種預期判斷。光大證券曾 2017 年 5 月 1 日出過一篇研報《基於阻力支撐相對強度 (RSRS) 的市場擇時》，目前很多的研究也基於該研報展開。

1，RSRS 指標的計算方法#

RSRS 指標，其實就是最高價～最低價的斜率，其計算主要通過回歸的方法獲得。和其他常見的技術指標一樣，也是需要一定的時間序列數據，一般我們目前取 18，即 18 天的最高價、最低價。

取前 N 日最高價與最低價序列。（N = 18）
將兩個序列進行 OLS 線性回歸。
將拟合後的 β 值作為當日 RSRS 斜率指標值。

具體代碼如下（該代碼運行在 JoinQuant 平台上），通過下述代碼，我們可以獲得 RSRS 指標的時間序列。

import statsmodels.api as sm
from pandas.stats.api import ols

prices = get_price('000300.XSHG', '2020-06-01', '2020-07-20', '1d', ['high', 'low'])
highs = prices.high
lows = prices.low
ans = []
N=18

for i in range(len(highs))[N:]:
data_high = highs.iloc[i-N+1+1]
data_low = lows.iloc[i-N+1+1]
X = sm.add_constant(data_low)
model = sm.OLS(data_high,X)
results = model.fit()
beta = model.fit().params[1]
ans.append(beta)
#計算 r2
r2=model.fit().rsquared
ans_rightdev.append(r2)

這裡要注意的是 for 循環那段代碼的寫法：

要從 N（N=18）開始循環，然後往後減。下面的代碼寫法貌似是一樣的，其實執行會報錯，因為在執行到最後一段數據的時候，i+N 取不到數據了。

for i in range(len(highs)):
data_high = highs.iloc[i+1+N+1]
data_low = lows.iloc[i+1+N+1]
X = sm.add_constant(data_low)
model = sm.OLS(data_high,X)
results = model.fit()
beta = model.fit().params[1]
ans.append(beta)
#計算 r2
r2=model.fit().rsquared
ans_rightdev.append(r2)

另外，要注意 iloc 是有頭無尾的，所以需要 + 1，即 i+1，這樣執行到最後才能把最近的哪一台包括進去（雖然這樣寫會導致第 1 天沒有包括，但由於數據較早，所以影響不大）。

2，RSRS 指標的標準化處理#

由於市場處於不同時期時，斜率的均值有比較大的波動。因此，直接采用斜率均值作為擇時指標並不太合適。在斜率基礎上進行標準化，取標準分作為指標值。RSRS 斜率標準分指標計算方法如下：

取前 M 日的 RSRS 斜率時間序列。（M = 600）
計算當日 RSRS 斜率的標準分 RSRSstd

d2b5ca33bd970f64a6301fa75ae2eb22

# 計算標準化的 RSRS 指標

計算均值序列#

section = g.ans[-g.M:]

計算均值序列#

mu = np.mean(section)

計算標準化 RSRS 指標序列#

sigma = np.std(section)
zscore = (section[-1]-mu)/sigma

3，RSRS 指標的右偏標準分#

在說右偏標準分之前，必須要先說一下偏態分佈。偏態分佈是與 “正態分佈” 相對，分佈曲線左右不對稱的數據次數分佈，是連續隨機變量概率分佈的一種。可以通過峰度和偏度的計算，衡量偏態的程度。可分為左偏（又稱負偏）和右偏（又稱正偏）。偏度是描述分佈 “偏離對稱性程度” 的特徵數，注意是 “偏離” 而不是 “偏向”，也就是說這裡的偏是 “離開” 的意思，所以左偏是指離開了左邊，右偏是離開了右邊。前者曲線左側偏長，右側偏短；後者曲線右側偏長，左側偏短。

194fb23b180d2242bad6df7593c4fbab