KDJ vs RSI:11年数据实测,金叉死叉输了48个点

上期 MACD 跑完,评论区吵起来了:有人说趋势指标太慢,"KDJ 更灵敏,金叉死叉做得好能翻倍"。

行,那就拿 KDJ 出来溜溜。顺带把它和第 4 期的 RSI 放一起 PK------两个都是散户软件里最常见的指标,一个是"金叉买死叉卖",一个是"跌破 30 抄底、涨破 70 卖出",到底谁更靠谱?

11 年真实数据跑完,答案挺残酷的。

规则:两个都写死,不调参

KDJ(9,3,3):先算每天的价格在 9 天高低点里的"位置"(RSV),再算出快线 K 和慢线 D。快线从下穿上慢线,金叉,全仓买入;快线从上穿下慢线,死叉,全仓卖出。

RSI(14):老规矩沿用第 4 期,跌破 30 买入,涨破 70 卖出。

信号来自昨日收盘、次日开盘成交,不偷看未来,这点必须老实。

回测设置先交代清楚

  • 标的:510300,沪深300ETF,和往期同一只
  • 时间:2015年1月到2026年10月,11.76年,口径和往期完全一致
  • 本金:100万,手续费万三,逐笔盈亏含双边手续费(第6期起的全口径)
  • 只做多:和往期一样,只测多头版

结果:251次交易,亏了11.8%

  • KDJ金叉死叉:总收益-11.8%,年化-1.1%,最大回撤-41.8%
  • RSI抄底:总收益+36.2%,年化2.7%,最大回撤-40.6%
  • 买入持有:总收益+51.9%,年化3.6%,最大回撤-53.0%
  • KDJ交易251次,胜率35.9%,最大单笔赚19.9万,最大单笔亏7.4万

上图蓝色是KDJ,绿色是RSI,橙色虚线是买入持有,起点都是100万。蓝色那根线,大部分时间都在100万下面挣扎。

两个指标,都是"看信号买卖",结果差了48个点。

三个扎心的真相

真相一:251次 vs 10次,多动反而多亏

看2026年这张买卖点图:红点是金叉买入,蓝点是死叉卖出。10个月,20次买卖,K线和D线缠在一起,平均半个月交叉一次,每次交叉都得动手。

震荡市里,这些交叉没有方向性,买完跌、卖完涨,一年下来净亏8.9万,手续费还交了一堆。

反观RSI:11年只动手10次,就赚了36.2%。钝一点的指标,少折腾,反而赢了。

真相二:KDJ赚的,都是"顺风钱"

按年算账:2015到2026共12年,KDJ 6年赚、6年亏。赚的都是趋势顺风的年份------2019、2020、2021连续三年牛市,2024年9月底的行情,一年赚了12.7万。

但熊市和震荡市全还回去了:2018年-15.2万,2022年-15.4万,2023年-11.1万,2026年-8.9万。

KDJ本质是追涨杀跌:涨起来金叉追进去,跌起来死叉割出来。趋势市里它能吃到肉,震荡市里它就是台绞肉机------而A股大部分时间,都在震荡。

真相三:最赚的一单,来自2024年924行情

251笔交易里最赚的一单:2024年9月19日买入,10月10日卖出,+19.9万,吃的是"924"政策行情的完整波段。

最亏的一单:2015年7月10日买入,28日卖出,-7.4万,吃的是股灾最凶的那段下跌。

典型的"靠天吃饭"分布:11年等几波大行情,其他时间全是摩擦成本。问题是,你不知道下一波行情什么时候来,而每一次"试探性出手",都在磨损本金。

三件事

  1. 金叉死叉不是预测器,是个"频繁换挡的自动挡"------震荡市里越忙越亏。
  2. 交易频率高≠胜率高。251次交易胜率35.9%,平均胜单赚2.8万、平均负单亏1.6万,架不住亏的单更多。
  3. 指标没有高低贵贱,只有适不适合。KDJ灵敏但噪声多,RSI迟钝但胜在少动------可惜两个都没跑赢躺平。

下期想看什么?评论区点菜------呼声最高的那个策略,我拿代码跑一遍。

最后留个问题:你用过KDJ金叉死叉吗?赚还是亏?评论区聊聊。

不构成投资建议。

相关推荐
樱花落木兰1 小时前
Redis 消息队列的可靠性演进:从 List、Pub/Sub 到 Stream 消费者组,以及 8.x 版本改变了什么
java·开发语言·经验分享·redis·分布式·python·软件工程
mumu1572 小时前
快速上手大模型推理vllm
人工智能·python·大语言模型·agent·vllm
明天会有多晴朗2 小时前
从零手写 Transformer!一个 Python 文件跑通英译中(PyTorch 附完整源码)
人工智能·pytorch·python·深度学习·transformer
ragnwang11 小时前
Notes: Python pybind11 import C++ module
开发语言·c++·python
王中阳Go11 小时前
后端转 Agent 岗面试怎么答:8 个高频问题与应答口径
人工智能·后端·python·大语言模型
weixin_3077791312 小时前
RAG 面试陷阱——混合检索并非无条件优越:一个条件反转实验
人工智能·python·面试·职场和发展
云和数据.ChenGuang12 小时前
深入解析 Python 的 dir():从用法到 CPython 源码实现
开发语言·人工智能·python·langchain
荣码15 小时前
长上下文与大文档处理:200页PDF怎么喂给AI,我踩了4个坑
java·python
databook16 小时前
Pandas 与 Polars:语法、性能和资源占用方面的对比
python·数据分析·pandas
威哥爱编程16 小时前
Python 智能体开发实战 10:本地跑得好好的,一并发就崩?把它做成一个能上线的服务
python·agent