RSRS指标详解 - 计算逻辑、应用与策略全解析

我们用一个“深入浅出”的方式来解析RSRS指标的计算逻辑。我会先用一个简单的比喻帮你建立直觉，然后再深入细节。

RSRS的核心思想是：将股价的走势（最高价、最低价）看作一种“抗压”和“支撑”的关系，并通过统计学中的“线性回归”方法来量化这种关系的强弱程度。

它认为，一段时间的最高价和最低价之间存在一种稳定的力学关系（就像弹簧），而RSRS就是测量这个弹簧是“硬”还是“软”的尺子。

想象一下，你正在爬一座山（代表股价上涨）或下一座山（代表股价下跌）。

现在，我们想研究过去N天（比如18天）的爬山情况：

建立模型：我们想知道，“手能伸多高”和“脚能踩多稳”之间有没有一个稳定的关系？ 比如，是不是每次脚踩稳上升1米，手就能多够到1.2米？我们用“线性回归”这条直线来拟合出这个规律。这条直线的斜率（陡峭程度）就是最基本的RSRS值。
- 陡峭的正斜率：说明支撑很强（脚踩得稳），同时上涨动能很足（手伸得高），阻力位被轻易突破。好比是“强趋势上涨坡”。
- 平缓的斜率：说明支撑弱，或者阻力强，股价动弹不得。好比是“疲惫的盘整平地”。
- 负斜率：说明支撑完全失效，新高都低于前高，市场极度弱势。好比是“易跌难涨的下坡”。
标准化：不同股票、不同时期的“山坡”陡峭程度直接比较没意义（茅台的山坡和一支小盘股的山坡斜率肯定不同）。所以我们需要把得到的斜率（RSRS值）减去其过去M期的平均值，再除以其标准差。这就得到了一个标准分，它告诉我们当前的斜率在历史上处于什么位置（是极端陡峭还是极端平缓），从而可以在不同股票和时间上进行横向和纵向比较。
寻找信号：当标准分非常高时，说明当前的“山坡”异常陡峭，趋势极强，但可能也意味着超买，趋势随时可能回调。当标准分非常低时，则意味着趋势极弱，可能超卖，有反弹机会。

假设我们计算日频RSRS，回看窗口N=18天。

取最近18个交易日的日期序列。
每一天都有两个数据：最高价 High 和最低价 Low。
我们将 Low 作为自变量 (X)（即原因：支撑有多强），将 High 作为因变量 (Y)（即结果：能突破多高）。
对这18个 (Low, High) 数据点进行一元线性回归。目的是找到一条最优直线：Y = α + β * X，来描述“最高价”和“最低价”之间的关系。
在这个模型中，我们最关心的就是回归系数 β。β 就是最原始的RSRS值。
- β的经济意义：最低价每变动1个单位，最高价平均会变动β个单位。β > 1 表示最高价的波动比最低价更剧烈，趋势性强；β < 1 则表示最高价波动更平缓，阻力明显。

原始（或修正后）的RSRS值波动很大，无法直接设定一个固定的阈值来判断“高”还是“低”。
我们计算这个RSRS值在过去M期（例如600个交易日）内的平均值 mean(RSRS) 和标准差 std(RSRS)。
然后计算标准分： RSRS_ZScore = (当期_RSRS - mean(RSRS)) / std(RSRS)
这个Z-Score告诉我们：当前的RSRS值相对于过去600天的水平，处于多少倍标准差的位置。例如，RSRS_ZScore = 2 意味着当前值比历史平均水平高了2个标准差，这是一个非常极端的状态。

经过标准化后，我们就可以基于历史规律来制定交易策略了：

需要注意的是：具体的阈值（-1.5, +1.5等）需要通过大量历史数据回测（Backtesting）来优化确定，不同市场、不同品种的最佳阈值可能不同。

浅出：RSRS就是用最高价和最低价“画一条趋势线”，看这条线陡不陡，并且和历史比是特别陡还是特别平，从而判断市场情绪和趋势强度。
深入：它是将市场微观结构（支撑与阻力）用严谨的统计学方法（线性回归、标准化）进行量化的产物，比单纯看价格突破更加科学和稳健。
优点：提供了量化后的趋势强度指标，比主观判断更可靠。
缺点：
1. 像所有技术指标一样，它基于历史数据，存在滞后性。
2. 在震荡市中可能会产生连续的错误信号（“Whipsaw”）。
3. 需要人工设定参数和阈值（回看期N、标准化期M、交易阈值），这些参数的选择直接影响策略效果。

希望这个从比喻到细节的解释能帮助你彻底理解RSRS！

RSRS指标详解 - 计算逻辑、应用与策略全解析 ​