光大证券-20170725-阻力支撑相对强度（RSRS）选股-技术指标系列报告之三

### 技术指标系列报告之三：阻力支撑相对强度（RSRS）选股 #### 报告概述 本报告由光大证券发布于2017年7月25日，主题为“阻力支撑相对强度（RSRS）选股”，是其技术指标系列报告中的第三部分。该报告深入探讨了如何利用RSRS这一新型技术分析工具来识别股票市场的投资机会，并通过实证研究验证了其在选股方面的有效性和实用性。 #### 阻力支撑相对强度（RSRS）概念 **阻力支撑相对强度（Resistance and Support Relative Strength，简称RSRS）**是一种用于量化投资的技术分析方法，旨在通过识别股票价格走势中的关键阻力位和支撑位来预测未来股价变动趋势。与传统的技术分析工具不同，RSRS不仅关注股票自身的走势，还同时考虑市场整体及其他个股的表现，从而提供更为全面的投资决策依据。 #### RSRS选股原理 RSRS选股的核心在于计算个股相对于市场指数或其他股票的价格变动差异。具体步骤包括： 1. **确定关键价位**：通过历史数据找出个股的关键阻力位和支撑位。 2. **计算相对强度**：接下来，对比个股与市场指数（或同行业其他股票）在同一时间区间内的表现，计算出个股的相对强度。 3. **筛选投资标的**：根据一定的规则（如相对强度排名、突破关键价位等），筛选出具有较高投资价值的股票。 #### 多因子模型与RSRS **多因子模型**是一种广泛应用于量化投资领域的策略，它通过综合考虑多种因素（如价值、动量、质量等）来评估股票的投资价值。RSRS作为一种有效的技术分析工具，可以作为多因子模型中的一个组成部分，与其他基本面和技术面指标相结合，进一步提高选股的准确性和稳定性。 #### 实证研究 为了验证RSRS选股的有效性，报告中进行了详细的实证研究。研究选取了一定数量的股票样本，并应用RSRS方法进行回测分析。结果显示，在一定条件下，采用RSRS策略能够显著提升投资组合的收益水平，尤其是在市场波动较大时表现更加明显。 #### 深度学习在量化交易中的应用 随着人工智能技术的发展，特别是深度学习算法的进步，越来越多的量化投资者开始尝试将其应用于股票市场分析中。通过训练神经网络模型，可以自动挖掘复杂的数据模式，从而提高预测准确性。结合RSRS等技术指标，深度学习可以帮助构建更为智能的量化交易系统。 #### 结论与展望 总体而言，RSRS作为一种新兴的技术分析工具，在选股方面展现出良好的潜力。通过与多因子模型及深度学习等先进方法的结合，有望在未来量化交易领域发挥更大的作用。对于投资者而言，了解并掌握这些先进的投资策略将有助于提高投资效率和收益水平。 《阻力支撑相对强度（RSRS）选股》这一报告不仅为量化投资者提供了实用的技术分析工具，也为更广泛的金融从业者揭示了量化交易领域的最新进展和发展趋势。随着相关理论和技术的不断完善，预计RSRS选股策略将在未来得到更广泛的应用。