Hikyuu | RSI均值回归交易策略实现

本文在 Hikyuu 里实现 RSI 均值回归，并把它丢进「全 A」看反应。

目标是让你几分钟内跑通「改一个参数、看一类标的」这条路径，不是证明这组参数能赚钱。

策略描述

RSI 是相对强弱指标，用一段时间内上涨与下跌幅度的对比，把价格的短期强弱压成 0 到 100 之间的一个数。读数低，说明这段时间跌幅更集中；读数高，说明涨势更集中。均值回归的思路就从这里来：不去追已经走出来的趋势，而是在价格短期被打过头时接一手，等强弱回到常态再退出。

不过「超卖」并不等于「见底」，跌势里 RSI 可以一直趴在低位。所以这类规则通常还要加一道趋势过滤，只在中长期方向没坏的时候接短线回撤。本文这套系统正是这么搭的。

上升趋势中的短期超卖买入：收盘价 > n 日均线且 RSI 低于超卖阈值时买入，RSI 高于超买阈值时平仓。

参数上，n 是趋势过滤均线周期，rsi_n 是 RSI 周期，buy_th 是 RSI 超卖买入阈值，sell_th 是 RSI 超买卖出阈值。

落到 Hikyuu 里，这套规则由下面几个部件拼成，参数沿用部件默认值。

部件	名称
信号指示器 SG	`SG_Add` = `买入RSI超卖` + `卖出RSI超买`
资金管理 MM	`MM_Nothing`
止损 ST	`未设置`
止盈 TP	`未设置`
盈利目标 PG	`未设置`
移滑价差 SP	`未设置`

信号由两个子信号相加合成（SG_Add）：买入RSI超卖（SG_OneSide 买入侧）------收盘价站上 n 日均线、且 RSI 低于 buy_th 时给出买入；卖出RSI超买（SG_OneSide 卖出侧）------RSI 高于 sell_th 时给出平仓。两个子信号都按 K 线收盘价触发，组合后开启买卖交替，统一给出买卖。每笔买多少由 MM 决定；没有挂止损止盈，一条信号会一直持有到反向信号出现。

这两个子部件在 hub 里的实现如下：

python 复制代码

# hikyuu_hub/part/sg/买入RSI超卖/part.py
def part(n: int = 70, rsi_n: int = 2, buy_th: float = 10.0):
    cond = (CLOSE() > MA(CLOSE(), n)) & (RSI(CLOSE(), rsi_n) < buy_th)
    ret = SG_OneSide(cond, True)
    ret.name = "买入RSI超卖"
    return ret

python 复制代码

# hikyuu_hub/part/sg/卖出RSI超买/part.py
def part(rsi_n: int = 2, sell_th: float = 90.0):
    cond = RSI(CLOSE(), rsi_n) > sell_th
    ret = SG_OneSide(cond, False)
    ret.name = "卖出RSI超买"
    return ret

从图看信号

把部件挂到一只标的上，先看信号长什么样。

python 复制代码

from hikyuu.interactive import *

start_date = Datetime(20200101)
query = Query(start_date)
stk = sm['sh603608']
k = stk.get_kdata(query)

my_sys = get_part("dev.sys.RSI均值回归")
my_sys.tm = crtTM(start_date, init_cash=100000, cost_func=TC_FixedA())
my_sys.run(k)
my_sys.sg.plot()      # 信号点

图中三角为买卖点。RSI均值回归在天创股份上的信号密度是每年约 7.7 次------先把「频繁进出」还是「长持」这件事看清楚，再谈绩效。

单标的回测

python 复制代码

my_sys.performance()

天创股份（SH603608）上：累计 -42.0%、年化 -8.2%、最大回撤 64.4%、交易 52 次。

这里只讲怎么读：单标的系统的评价对象是这条规则自己的期望，不是它比谁强。空仓就是它的对手盘，所以看的是净值本身有没有正斜率、回撤能不能被承受，而不是相对某个指数多涨了几个点。

看下「全 A」的绩效

先说明口径：单标的系统评价的是时序决策自身的期望------它没有基准，空仓就是对手。所以这里不看「相对买入持有」，看的是每支标的自己的净值结果。

python 复制代码

keys = ["Account CAGR %", "Total Closed Trades",
        "Win Rate %", "Avg Win / Avg Loss Ratio", "Profit Factor"]
df = analysis_sys_list(stks, query, my_sys, keys=keys)
df[keys].describe()

每支标的独立跑一遍，年化中位数 -1.6% ，25~75 分位 -5.9% ~ +3.5% ，为正的标的占 41.4%。

交易序列统计（各标的中位数）：

指标	中位	参考门槛
Profit Factor	0.93	≥ 1.3
胜率	58.3%	---
盈亏比（均盈/均亏）	0.67	与胜率相乘决定期望
交易笔数	45	≥ 30 才具统计意义

按单标的系统自己的口径，这套规则不具备正期望：Profit Factor 中位数 0.93（低于 1.3 的合格线），年化中位 -1.6%，为正的标的只占 41.4%。胜率再高也没用------赢的次数多、单次赚得少，输的次数少、单次亏得多，乘起来仍然归零。

均值回归的形状是「高胜率、低盈亏比」：赢的次数多但单次赚得少，输的次数少但单次亏得多。这种形态下，胜率看着漂亮，真正决定生死的是盈亏比与成本------盈亏比 0.67 配上 58% 胜率，乘起来刚好归零。

参考：同期该池买入持有的年化收益中位数为 -0.6%。单标的系统不以它为基准，这里只提供量级参照。

样本外：把同一套规则丢到没看过的时段

上面的数字都来自同一段历史。真正要问的不是「样本内赚不赚」，而是「换一段没看过的行情还算不算」------这里把区间切成两段：样本内 2020-01-01 ~ 2024-10-15，样本外 2024-10-15 ~ 2026-11-06，规则一个字没改，只换数据。

口径	年化中位	为正占比	Profit Factor 中位
样本内（2020-01-01 ~ 2024-10-15）	-1.45%	42.6%	0.91
样本外（2024-10-15 ~ 2026-11-06）	-2.34%	42.0%	0.88

样本内已被判不成立（年化中位 -1.5%、PF 未过门槛），样本外 -2.3% 继续为负------两段结论一致，说明样本内那点正值没有统计分量，不是「换一段行情就好了」的问题。

样本外只有 2.0 年、2899 支标的，单一时段本身就可能是运气；更严谨的做法是滚动切多段（walk-forward），这里给的是成本最低的第一次检验。

成本口径：同一套规则，零成本 vs 实盘费率

上面所有数字都是扣费之后的结果。但扣费扣掉多少，比结果本身更值得看------同一套信号，只改费率假设就能改变结论的方向。

口径	年化中位	为正占比
零成本	+1.31%	57.1%
实盘费率	-1.57%	41.4%
差额	2.88pp	---

零成本下年化中位 +1.3%，扣费后变成 -1.6%------利润被成本吃干净，这套规则挣的钱还不够付过路费。降低换手或拿到更低佣金，是唯一可能把它拉回正期望的方向。

单标的累计成本中位约 18,600 元，平均每笔 413 元。对照代码就一句：把 cost_func 换成 TC_Zero() 再跑一遍，其余不动。

python 复制代码

my_sys.tm = crtTM(start_date, init_cash=100000, cost_func=TC_Zero())
df_zero = analysis_sys_list(stks, query, my_sys, keys=["Account CAGR %"])

口径说明：2020-01-01 至最新；标的池为「全 A」中 2020-01-01 前上市且当前存续的 2899 支；默认成交时点（次日开盘）；成本用 TC_FixedA()（佣金万 18.0、最低 5 元；印花税 0.5‰ 卖出单边；过户费 0.01‰）；未计滑点，如需计入请挂 SP_FixedPercent(0.001)；策略与基准两侧均使用不复权收盘，除权会让持有收益偏低，要更严谨两侧同时换成复权价。

回到开头那个问题

这套规则在 Hikyuu 里怎么搭、怎么跑、怎么看结果，上面几步已经走完；它到底有没有用，数字也给了答案------扣掉成本之后，它不赚。

两件事要分开：框架解决「能不能验证」，规则解决「值不值得做」。前者可以复用，后者每换一套规则都要重答一遍，而答案只能由你自己的数据跑出来。

本文所有数字都来自上面几段代码。换一个部件、换一个标的池，同样的步骤就能得到你的结论。

文中用到的部件实现已发布至 hikyuu_hub，可自行查阅：https://github.com/fasiondog/hikyuu_hub

本文仅用于量化策略研究和学习交流，不构成任何投资建议。投资有风险，投资者应根据自身情况独立判断并承担相应风险

Hikyuu Quant Framework 基于C++/Python 的开源量化交易研究框架 ，为量化交易爱好者和专业人员提供高性能底层架构支持。项目地址: