RSRS阻力支撑相对强度策略
一、阻力支撑相关概念
阻力位又称压力位，是指价格上涨到某个价位附近时，价格停止上涨甚至回落；其指指标价格上涨时可能遇到的压力，即交易者认为卖方力量开始反超买方，从而价格难以继续上涨或从此回调下跌的价位；支撑位则是交易者认为买方力量开始反超卖方，从而止跌或反弹上涨的价位。
常见的确定阻力支撑位的方法有，布林带上下轨突破策略（突破上轨建仓买入，突破下轨卖出平仓）和均线策略（如超过20日均线建仓买入，低于20日均线卖出平仓）。然而，布林带突破策略在震荡期间出现了持续亏损，均线策略交易交易成本巨大，且在震荡期间的回撤很大。
二、阻力支撑相对强度（RSRS）
阻力支撑相对强度(Resistance Support Relative Strength, RSRS)是另一种阻力位与支撑位的运用方式，它不再把阻力位与支撑位当做一个定值，而是看做一个变量，反应了交易者对目前市场状态顶底的一种预期判断。
我们按照不同市场状态分类来说明支撑阻力相对强度的应用逻辑：
1.市场在上涨牛市中：
如果支撑明显强于阻力，牛市持续，价格加速上涨
如果阻力明显强于支撑，牛市可能即将结束，价格见顶
2.市场在震荡中：
如果支撑明显强于阻力，牛市可能即将启动
如果阻力明显强于支撑，熊市可能即将启动
3.市场在下跌熊市中：
如果支撑明显强于阻力，熊市可能即将结束，价格见底
如果阻力明显强于支撑，熊市持续，价格加速下跌
每日最高价和最低价是一种阻力位与支撑位，它是当日全体市场参与者的交易行为所认可的阻力与支撑。一个很自然的想法是建立最高价和最低价的线性回归，并计算出斜率。即：
high=α+β·low+ϵ,ϵ∼N(0,δ2)
当斜率值很大时，支撑强度大于阻力强度。在牛市中阻力渐小，上方上涨空间大；在熊市中支撑渐强，下跌势头欲止。
当斜率值很小时，阻力强度大于支撑强度。在牛市中阻力渐强，上涨势头渐止；在熊市中支撑渐送，下方下跌空间渐大。
可参考光大研究报告。
三、阻力支撑相对强度（RSRS）指标择时策略
第一种方法是直接将斜率作为指标值。当日RSRS斜率指标择时策略如下：
1、取前N日最高价与最低价序列。（N = 18）
2、将两个序列进行OLS线性回归。
3、将拟合后的 β值作为当日RSRS斜率指标值。
4、当RSRS斜率大于 Sbuy时，全仓买入，小于 Ssell时，卖出平仓。（Sbuy=1,Ssell=0.8）
由于市场处于不同时期时，斜率的均值有比较大的波动。因此，直接采用斜率均值作为择时指标并不太合适。我们尝试下面的方法。
第二种方法是在斜率基础上进行标准化，取标准分作为指标值。RSRS斜率标准分指标择时策略如下：
1、取前M日的RSRS斜率时间序列。（M = 600）
2、计算当日RSRS斜率的标准分 RSRSstd：
RSRSstd=RSRS−μMσM
其中 μM 为前M日的斜率均值，σM为前M日的标准差。
3、若 RSRSstd大于 Sbuy，则全仓买入；若 RSRSstd小于 Ssell，则卖出平仓。（Sbuy=0.7,Ssell=−0.7）
注：benchmark和标的股票均为沪深300指数，尝试N取自10-30，M取自400-800，发现N=18，M=600时收益率最高。
N,M,Sbuy 的取值范围：18,252,0.6 ， 或者：16,300,0.7
该策略从2010-01-01至2017-12-15，开平仓35次，总收益186.67%，年化收益14.58%，胜率0.556，盈亏比4.568，最大回撤20.031%。
# 导入函数库
import statsmodels.api as sm
# 初始化函数，设定基准等等
def initialize(context):
# 设定上证指数作为基准
set_benchmark('000300.XSHG')
# 开启动态复权模式(真实价格)
set_option('use_real_price', True)
# 输出内容到日志 log.info()
log.info('初始函数开始运行且全局只运行一次')
# 过滤掉order系列API产生的比error级别低的log
# log.set_level('order', 'error')
### 股票相关设定 ###
# 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
## 运行函数（reference_security为运行时间的参考标的；传入的标的只做种类区分，因此传入'000300.XSHG'或'510300.XSHG'是一样的）
# 开盘前运行
run_daily(before_market_open, time='before_open', reference_security='000300.XSHG')
# 开盘时运行
run_daily(market_open, time='open', reference_security='000300.XSHG')
# 收盘后运行
run_daily(after_market_close, time='after_close', reference_security='000300.XSHG')
# 设置RSRS指标中N, M的值
g.N = 18
g.M = 600
g.init = True
# 要操作的股票：平安银行（g.为全局变量）
g.security = '000300.XSHG'
# 买入阈值
g.buy = 0.7
g.sell = -0.7
g.ans = []
# 计算2005年1月5日至回测开始日期的RSRS斜率指标
prices = get_price(g.security, '2005-01-05', context.previous_date, '1d', ['high', 'low'])
highs = prices.high
lows = prices.low
for i in range(len(highs))[g.N:]:
data_high = highs.iloc[i-g.N+1:i+1]
data_low = lows.iloc[i-g.N+1:i+1]
X = sm.add_constant(data_low)
model = sm.OLS(data_high,X)
results = model.fit()
# print("params is :",results.params)
# print("params.low is:",results.params['low'])
g.ans.append(results.params['low'])
## 开盘前运行函数
def before_market_open(context):
# 输出运行时间
log.info('函数运行时间(before_market_open)：'+str(context.current_dt.time()))
## 开盘时运行函数
def market_open(context):
log.info('函数运行时间(market_open):'+str(context.current_dt.time()))
security = g.security
# 取得当前的现金
cash = context.portfolio.available_cash
# 填入各个日期的RSRS斜率值
security = g.security
if g.init:
g.init = False
else:
# RSRS斜率指标定义
prices = attribute_history(security, g.N, '1d', ['high', 'low'])
highs = prices.high
lows = prices.low
X = sm.add_constant(lows)
model = sm.OLS(highs, X)
beta = model.fit().params[1]
g.ans.append(beta)
# 计算标准化的RSRS指标
# 计算均值序列
section = g.ans[-g.M:]
# 计算均值序列
mu = np.mean(section)
# 计算标准化RSRS指标序列
sigma = np.std(section)
zscore = (section[-1]-mu)/sigma
# 如果上一时间点的RSRS斜率大于买入阈值, 则全仓买入
if zscore > g.buy:
# 记录这次买入
log.info("标准化RSRS斜率大于买入阈值, 买入 %s" % (security))
# 用所有 cash 买入股票
order_value(security, cash)
# 如果上一时间点的RSRS斜率小于卖出阈值, 则空仓卖出
elif zscore < g.sell and context.portfolio.positions[security].closeable_amount > 0:
# 记录这次卖出
log.info("标准化RSRS斜率小于卖出阈值, 卖出 %s" % (security))
# 卖出所有股票,使这只股票的最终持有量为0
order_target(security, 0)
## 收盘后运行函数
def after_market_close(context):
log.info(str('函数运行时间(after_market_close):'+str(context.current_dt.time())))
#得到当天所有成交记录
trades = get_trades()
for _trade in trades.values():
log.info('成交记录：'+str(_trade))
log.info('一天结束')
log.info('##############################################################')