报告原文下载链接：https://pan.baidu.com/s/1jBGmWCS1l-SolG02kOF_Rw提取码：zu97
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，但是RSI通常被用于时序择时，较少被用来在横截面上进行选股。本篇研报则将RSI技术指标扩展到横截面选股领域，构建有效的选股因子。
在本篇研报中，标签有股票代码，每日开盘价、收盘价，成交量，分钟级涨跌幅，市值，换手率等未经加工的底层市场数据。特征有基础RSI值，成交量加权RSI，RSI的移动平均值等尚未验证预测能力的中间变量。因子有日频RSI因子，高频RSI因子，成交量配合RSI因子，纯净RSI因子等经过回测验证的有效指标。
由于获取数据上的限制，我在复现研报时只采用了2024-03-17至2024-08-17的30只股票的数据，但是这30只股票只来自于能源和材料两个行业，这样方便后续进行行业中性化处理。总体逻辑和原研报保持一致。本文章中的所有数值仅供参考。
一、RSI 指标在择时上的特点
分子代表做多的力量，分母则是多空力量的总和。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。
经验来看，RSI指标在预测市场顶部的时候往往会提前，并且行情越大，提早越多；但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。
二、基于 RSI 指标构建选股因子
1. 运用日频数据构建RSI选股因子
构建逻辑：
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。
回看 20 个交易日，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)*100；
（2）做横截面市值中性化处理，得到每只股票的日频RSI 因子。
代码实现：
结果输出：
通过PandaAI数据库获得了全市场2018-01-01至2025-06-30的股票日线数据后，接下来我将对股票池分别是沪深300，中证500，中证1000时日频RSI选股因子的表现做比较：
我们发现，该因子在小盘股(中证1000)中表现不佳，甚至呈现负向预测能力。并且因子表现呈现出明显的规模效应，随着股票市值减小(从沪深300→中证500→中证1000)，因子有效性下降。这是因为RSI作为技术指标，在机构主导的理性交易环境中更能反映真实的超买超卖状态。而小盘股中散户参与度高，容易形成“追涨杀跌”的动量效应（而非RSI预期的反转效应）。例如：小盘股超买后可能因散户跟风继续上涨，超卖后因恐慌继续下跌。
同时，从沪深300的RankIC分析图来看，RSI因子在牛市和熊市中表现更佳，在震荡市中表现一般：累计RankIC稳步上升的阶段对应了2018年的熊市到2019年1月-2021年2月的结构性牛市；累计RankIC较为波动的时期对应了2021年3月-12月的震荡市阶段。这是因为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。
2. 运用高频数据构建RSI选股因子
构建逻辑：
因为我们想增加数据中包含的信息，所以我们提高数据频率到分钟级别。
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)*100；
（2）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。
代码实现：
结果输出：
3. 运用高频数据+成交量配合构建RSI选股因子
构建逻辑：
成交量越大，包含的信息量越丰富，因此我们想提高成交量较大部分对应的 RSI 指标的权重。
操作方法如下：
（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)*100；
（2）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。
为什么使用换手率而不是直接用成交量？
如果直接用成交量来计算权重，无法跨股票比较。成交量是一个绝对值指标，它的大小与公司的总股本和流通盘大小高度相关。而换手率是一个相对值指标，计算公式为换手率 = （成交量/流通股本）*100%，它衡量的是“在一定时间内，公司有多大比例的股份被交易了”。这反映了股票的交易活跃度或市场关注度，并且这个指标已经在内部剔除了规模因素。
代码实现：
结果输出：
4. 纯净的成交量配合 RSI 因子
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。
代码实现：
结果输出：
因子在2024.6左右失效的原因是当时股市（上证指数）处于持续上涨转入持续下跌的震荡行情中，RSI出现震荡，有效性较弱。
