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。

一、一句话核心思想

​

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。

二、一个生动的比喻：山坡与登山者

​

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）。

最低价

Low

：好比是你每一步

脚踩实的地方

。这是坚实的支撑，让你不至于掉下去。

最高价

High

：好比是你伸手

能够到的地方

。这是你遇到阻力、需要费力突破的高度。

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。

三、深入：分步计算逻辑（共4步）

​

假设我们计算

日频RSRS

，回看窗口N=18天。

步骤一：数据准备与线性回归

​

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。

步骤二：计算统计显著性（R²）

​

光有斜率β不够，我们还得知道这条回归直线

拟合得好不好

。如果数据点杂乱无章，计算出的β就不可信。

这就是

R平方（R²）

的作用。R²越接近1，说明回归模型对数据的解释力越强，计算出的β越可靠。

在实际应用中，有时会将原始的β与R²相乘（

β * R²

）来得到一个“修正后的RSRS”，这样可以过滤掉那些拟合效果差、不可信的信号。

步骤三：标准化（计算标准分Z-Score）

​

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。

步骤四：择时应用

​

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：

买入信号

：当

RSRS_ZScore

从极低水平（例如小于-1.5）向上突破某个阈值时，表明市场由弱转强，可以考虑买入。

卖出信号

：当

RSRS_ZScore

从极高水平（例如大于+1.5）向下跌破某个阈值时，表明市场强弩之末，趋势可能反转，可以考虑卖出。

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。

总结

​

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

：

像所有技术指标一样，它

基于历史数据

，存在滞后性。

在震荡市中可能会产生

连续的错误信号

（“Whipsaw”）。

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！